基于优化长短期记忆网络的矿坑遗产沉降预测OACSTPCD

工业矿坑遗产以其独特风貌和价值逐步受到广泛关注。针对矿坑遗产易发的沉降地质灾害,积极采取预防措施是降低损失的有效途径。为解决工业矿坑遗产沉降灾害预测问题,提出一种融合蜣螂优化算法(DBO)的优化长短期记忆网络(LSTM)算法,用于构建预警模型。选取阜新市海州露天矿作为实验地点,利用小基线集合成孔径雷达干涉测量(SBAS-InSAR)技术采集55景矿区沉降数据。通过两种去噪方法对采集到的样本数据进行去噪处理,应用DBO算法优化LSTM,建立工业矿坑遗产沉降预测模型。LSTM模型的超参数使用DBO算法优化以实现高精度预测模型,并与其他算法优化LSTM后的模型指标进行对比。结果表明:DBO-LSTM模型在工业矿坑遗产沉降预测优势突出,预测模型的均方根误差、平均绝对误差和决定系数分别为0.045 mm,0.038 mm,0.956,均优于其他预测模型。DBO-LSTM模型在预测工业矿坑遗产沉降方面展现了高精度、快速收敛和强稳定性等特点,为工业矿坑遗产保护工作提供了有力支持。