中国安全科学学报

作者：祁云, 白晨浩, 秦凯, 段宏飞, 李绪萍, 汪伟

单位：1 内蒙古科技大学 矿业与煤炭学院,内蒙古 包头 014010；2 山西大同大学 煤炭工程学院,山西 大同 037000；3 中国职业安全健康协会 《中国安全科学学报》编辑部, 北京 100029；4 煤炭科学技术研究院有限公司,北京 100013；5 中山大学 土木工程学院,广东 广州 510275

关键词：边坡稳定性,人类进化优化算法(HEOA),极端梯度提升(XGBoost),极差标准化,合成少数类过采样技术(SMOTE)

基金：国家自然科学基金面上项目资助(52174188); 国家自然科学基金地区基金资助(52464020); 山西省研究生实践创新项目(2024SJ378); 山西大同大学研究生实践创新项目(2024SJCX05)

为预防边坡失稳安全事故发生,针对边坡失稳的不确定性及影响因素的复杂性等问题,提出一种基于人类进化优化算法(HEOA)优化极端梯度提升(XGBoost)的组合模型,以预测边坡稳定性。首先分析影响边坡失稳的主控因素,选取边坡岩体的6项影响因素建立边坡稳定性预测指标体系;其次利用极差标准化统一样本量纲,并采用合成少数类过采样技术(SMOTE)平衡样本等级分布;然后通过HEOA优化XGBoost模型的最大深度、学习率、子样本比例、列样本比例和最小损失;最后利用准确率、精确率、召回率、F1分数和科恩卡帕系数综合评价所建模型的预测结果,并将该模型应用于具体工程实例。结果表明:经HEOA优化后XGBoost模型的最大深度、学习率、子样本比例、列样本比例和最小损失分别为6、0.583 8、0.461 5、0.584 6和0.024 4时效果凸显;HEOA-XGBoost组合模型预测边坡稳定性状态相比于其他智能算法优化的XGBoost模型和单一XGBoost模型,其各评价指标均有所提升,表明该模型预测边坡稳定性状态具有较高的精准度和泛化性。

来源：2025年第9期

《中国安全科学学报》期刊编辑部

查看中国安全科学学报杂志2025年第9期