一种基于多模态深度学习的矿山边坡风险预测方法

本发明公开了一种基于多模态深度学习的矿山边坡风险预测方法，涉及矿山边坡风险预测技术领域，本发明包括Stepl:输入多模态数据、Step2:效据预处理、Step3:样本集构建和Step4:基于互信息机制的门控循环单元GRU实现矿山边坡稳定性预测，本发明采用多模态数据集成GRU网络对融合后的数据进行序列建模，提取更复杂的序列特征，完成边坡安全事件预测分析，实现矿山边坡的高精度监测，提高预测结果的准确性和全面性；本发明将互信息机制应用于GRU网络来最大化样本与特征间的互信息，提高特征与标签之间的依赖性，不仅保障了预测能力，还保障了在新数据上的泛化能力。