基于SSA-SVM的边坡失稳智能预测及预警模型

作者：金爱兵; 张静辉; 孙浩^*; 王本鑫

来源：华中科技大学学报(自然科学版)科技大学, 2022, 50(11): 142-148.

DOI：10.13245/j.hust.221118

• 边坡失稳
• 边坡预测
• 边坡预警
• 麻雀搜索算法
• 支持向量机

针对传统统计学习模型等方法对边坡失稳预测精度低、难度大等问题，在对国内外304个边坡案例中高度、角度、容重、黏聚力、内摩擦角、孔隙压力比和边坡状态等参数进行搜集统计的基础上，建立边坡预测数据库，采用麻雀搜索算法(SSA)优化支持向量机(SVM)，构建SSA-SVM边坡失稳智能预测模型，实现对边坡失稳智能预测．采用灰狼优化算法、遗传算法、布谷鸟搜索算法、粒子群优化算法、哈里斯鹰优化算法和鲸鱼优化算法优化SVM，并与SSA-SVM模型进行对比，结果表明：SSA-SVM模型在边坡失稳预测中具有突出优势，其准确率、精确率、F1分数、平均精度分数和AUC值分别达到了90.16%,94.28%,91.43%,96.79%和0.954，高于其他优化模型的相应指标，SSA算法相比其他优化算法具有很强的竞争力．

• 单位
  北京科技大学