中国安全科学学报

作者：王团辉, 王超, 吴顺川, 王琦玮, 徐健珲

单位：1 昆明理工大学 国土资源工程学院,云南 昆明 650093；2 自然资源部 高原山地地质灾害预报预警与生态保护修复重点实验室,云南 昆明 650093；3 云南省高原山地地质灾害预报预警与生态保护修复重点实验室,云南 昆明 650093

关键词：多策略改进麻雀搜索算法(MISSA),支持向量机(SVM),边坡稳定性,正余弦算法(SCA),预测指标

基金：云南省重大科技专项项目(202202AG050014); 云南省创新团队项目(202105AE160023)

为提高边坡稳定性的预测精度,提出一种基于多策略改进的麻雀搜索算法(MISSA)优化支持向量机(SVM)的边坡稳定性预测模型。选取容重γ、黏聚力c、内摩擦角Ф、边坡角φf、边坡高度H、孔隙压力比ru等6个代表性特征作为模型的预测指标。针对麻雀优化算法(SSA)存在的收敛速度慢、精确度不高、易陷入局部最优等问题,引入一维复合混沌映射、正余弦算法(SCA)、Levy飞行机制和步长因子动态调整等策略进行优化改进,构建基于MISSA-SVM的边坡稳定性预测模型。将MISSA-SVM模型应用到大溪滑坡等9组边坡工程实例进行验证。结果表明:MISSA-SVM模型的准确率、精确率、召回率、F1分数、均方误差(MSE)和曲线下面积(AUC)分别达到96.29%、92.3%、100%、0.96、0.016和0.967,均优于SSA优化的SVM模型和BP模型,预测结果与实际边坡状况完全吻合,表明MISSA-SVM模型具有较强的泛化能力。

来源：2024年第4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2024年第4期