尾矿坝安全监测是矿山企业安全管理中最重要的任务之一,尾矿溃坝事件一旦发生就会给下游区域民众生活和自然环境带来很大影响。尾矿溃坝是一个从累积量变到发生事故质变的过程,随着矿山开采进程的推进,矿山的尾矿堆积也会越来越多,其安全隐患和安全管理难度也随之增加,因此掌握尾矿坝安全态势,已成为尾矿坝安全生产管理亟待解决的重要问题。本文针对上述问题,结合洛阳某尾矿坝安全管理的实际情况,对影响尾矿坝安全的主要因素进行梳理分析,并基于深度学习理论对尾矿坝安全态势预测和评估模型进行深入研究,本文研究主要工作包括:（1）针对尾矿坝的复杂性及溃坝的危险性,对尾矿坝进行在线监测设计。确定了在线监测的内容及监测方法,给出了尾矿坝在线安全监测的具体措施,并分别设置预警等级以保障矿山最基本的安全运行。针对在线监测缺失值、异常值进行数据清洗,然后经过规范化处理解决数据量纲差异,同时将安全态势状态参数相关数据进行归一化处理,作为安全态势预测评估的相关支撑数据。（2）基于CNN-a GRU优化模型的尾矿坝安全态势状态参数预测方法研究。针对现有尾矿坝安全态势状态参数预测方法精度不足的现状,提出采用CNN网络获取安全态势数据在高维空间的联系,有效捕捉尾矿坝安全态势时间序列数据的局部关联特征和空间特征,构造多维时序序列,结合GRU处理时序数据的优越性,构建CNN-a GRU混合网络对现行尾矿坝判断安全态势的浸润线及位移进行预测,提高了预测精度。（3）尾矿坝安全态势评估。构建尾矿坝安全态势评估指标体系,并采用突变理论对尾矿坝安全态势进行评估。通过实验和结果分析可知,本文基于深度学习的尾矿坝安全态势预测评估方法,可以实现对尾矿坝的安全状态进行预测和有效评估,可以满足尾矿坝安全监测和安全生产管理的要求。