基于GCN-LSTM的尾矿坝多点位沉降变形预测方法
刘迪1
刘曜华2
卢才武2
李鹏3
张帅4
曹建涛4
1.西安建筑科技大学 资源工程学院,陕西 西安 710005;中国矿业大学(北京)地球科学与测绘工程学院2.西安建筑科技大学 资源工程学院,陕西 西安 7100053.山西能源学院 安全工程学院,山西 太原 0300324.西安科技大学 能源与矿业工程学院,陕西 西安 710054
摘要：尾矿坝沉降变形具有复杂时空耦合特性,传统方法难以有效捕捉监测点间空间关联与时间动态演化.针对红岩沟尾矿坝的 20 个监测点(初期坝:J1/G1/X1/G2/J2;堆积坝:一级子坝D1/D2/D3/D4/D5,二级子坝C1/C2/C3/C4;副坝:G9/G10/G11/J9/J10/J11),提出基于图卷积神经网络-长短期记忆网络(GCN-LSTM)的时空混合预测模型.首先采用小波阈值法预处理沉降数据,基于皮尔逊相关系数构建监测点空间关联的加权无向图;进而利用GCN模块提取空间拓扑特征,耦合LSTM模块学习时间依赖关系,建立时空联合预测框架;最终通过Adam优化器调优超参数.试验结果表明:模型预测精度显著优于传统方法(RMSE=0.023 35,R=0.995 11),在结构异质性区域(初期坝/堆积坝/副坝)均能精准捕捉沉降趋势;消融试验中,其R较单一LSTM、GNN模型分别提高 0.189 14 与 0.347 27,该模型通过融合空间关联与时间动态特性,实现了尾矿坝多点沉降高精度预测,为安全状态评估与溃坝风险预警提供了可靠技术支撑.
关键词：尾矿坝沉降预测皮尔逊相关系数GCN-LSTM融合模型
分类号：TV435(水工材料)
资助基金：国家自然科学基金(52404140)陕西省自然科学基金资助项目(S2023-JC-QN-0687)陕西省社会科学基金资助项目(2023R035)
论文发表日期：2025-12-31
在线出版日期：2026-01-07（本平台首次上网日期，不代表文献的发表时间）
页数：15( 232-246 )
英文信息