摘要： 尾矿库作为一种危险源,需对其进行长期监测及预警,但目前针对尾矿库的监测方法费时费力且预警 模型较少,为此提出了一种基于小基线集(SBAS-InSAR)技术、长短期记忆( LSTM)神经网络以及网格搜索( GS)算法 相结合的尾矿库沉降预测模型,实现了尾矿库沉降监测与预测的一体化。 首先,以 60 景 Sentinel-1A 影像作为数据 源,采用 SBAS-InSAR 技术监测鞍山市西果园尾矿库动态沉降过程,获取该尾矿库 2018—2020 年内时间序列沉降信 息,将其与 GPS 技术获取的测量结果进行对比,发现时序 InSAR 监测精度较高。 然后将降雨量与沉降量关联分析,得 到尾矿库沉降的波动规律,构建 LSTM 神经网络沉降预测模型,再利用 GS 算法将模型中的超参数进行全局寻优。 最 后将监测数据划分为训练集与测试集,与传统预测模型进行对比。 试验结果表明:GS-LSTM 模型在西果园尾矿库沉 降预测中呈现出了较好的预测精度,3 个测试点中最大平均绝对误差(MAE)为 2. 51 mm,最大均方根误差(RMSE)为 2. 90 mm,可以较为精准地反映出具有尾矿库沉降特点的波动和趋势,为尾矿库灾害预警及治理提供了理论依据。