中国安全科学学报

作者：祁云, 薛凯隆, 李绪萍, 汪伟, 白晨浩, 吉准泽

单位：1 内蒙古科技大学 矿业与煤炭学院,内蒙古 包头 014010；2 内蒙古自治区矿业工程重点实验室,内蒙古 包头 014010；3 内蒙古自治区煤炭安全开采与利用工程技术研究中心,内蒙古 包头 014010；4 内蒙古煤炭绿色开采与绿色利用协同创新中心,内蒙古 包头 014010；5 山西大同大学 煤炭工程学院,山西 大同 037000；6 内蒙古科技大学 材料与冶金学院,内蒙古 包头 014010

关键词：边坡稳定性,预测模型,改进麻雀搜索算法(ISSA),核极限学习机(KELM),预测指标,混淆矩阵

基金：国家自然科学基金地区基金资助(52464020); 内蒙古自然科学基金资助(2024LHMS05012); 山西省高等学校科技创新计划项目(2022L448); 山西省高等学校科技创新计划项目(2022L449); 山西大同大学研究生教育创新项目(23CX49)

为了能够更加精准地预测边坡稳定状态,从而有效预防边坡失稳事故,提出改进麻雀搜索算法(ISSA)与核极限学习机(KELM)相结合的ISSA-KELM边坡稳定性预测模型。首先,将边坡失稳特征中的容重、黏聚力等6个主要影响因素作为预测指标,建立边坡稳定性评价数据集;其次,引入Sine混沌映射、Levy飞行策略、动态自适应权重以及融合最优爆炸策略和反向学习改进麻雀搜索算法(SSA),以提高其全局搜索能力和稳定性;而后利用ISSA优化KELM中的核参数ψ和正则化系数C,提升其预测精度,同时避免KELM出现过拟合现象;最后,对比分析ISSA-KELM模型与SSA-KELM、粒子群优化算法(PSO)-KELM以及PSO-支持向量机(SVM)模型的预测结果,并将ISSA-KELM模型应用于山西某露天煤矿。结果表明:ISSA-KELM模型的准确率、精确率、召回率和F1分数分别达到了0.945 9、1、0.866 7和0.929,均优于SSA-KELM、PSO-KELM和PSO-SVM模型,模型的预测结果与实际值最为接近,表明所建ISSA-KELM模型具有较强的泛化能力。

来源：2025年第3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3期