基于PCA-RF的边坡稳定性预测

作者：林逸晖; 李广涛^*; 杨天雨; 乔登攀; 王俊; 张希; 赵怀军

来源：化工矿物与加工, 2023, 52(12): 59-65.

DOI：10.16283/j.cnki.hgkwyjg.2023.12.009

• 露天矿山
• 边坡稳定性
• 主成分分析
• 随机森林
• 6折交叉验证
• 机器学习

随着露天矿山开采深度的增大，高陡边坡数量也越来越多，边坡灾害发生频次逐年上升，为减少边坡灾害的发生，有必要开展边坡稳定性预测研究。通过对机器学习算法的对比和筛选，提出了一种将主成分分析(PCA)与随机森林模型(RF)相结合的露天边坡稳定性预测模型，边坡实例预测结果显示，该模型预测准确率达100%;通过6折交叉验证法评估发现，该模型的预测精度高达94.44%。将该模型应用于拉拉铜矿东部露天采场终了边坡的稳定性预测，结果表明，边坡东帮、西帮、南帮、北帮均处于稳定状态，该预测结果可为矿山实际生产提供参考。

• 单位
  昆明理工大学