基于GA-SVM的边坡稳定性预测模型研究

摘要

边坡失稳每年在全球造成重大的经济损失，为了更快速精确地判断边坡的稳定状态，保障边坡工程的安全。针对此问题，本文提出采用GA-SVM算法构建边坡稳定性预测模型。选取6个典型边坡参数：容重、黏聚力、内摩擦角、坡角、坡高、孔隙水压力比作为输入端要素，边坡状态作为输出端要素，结合收集到740个工程实际案例数据构建完成模型训练样本集。结果表明：GA-SVM模型受试者工作特征曲线下面积(AUC)值为0.942,准确率为0.976,召回率为0.976,精确率0.979,F1 score为0.976,反映出该模型在识别边坡失稳状态时的预测精度高、泛化能力强、预测结果可靠。再结合工程实例验证反映出边坡状态的评估结果与实际情况一致。说明可将GA-SVM模型应用于实际的边坡稳定性预测，可为边坡的设计施工提供依据，在实际的工程应用中具有良好的应用前景。

关键词

边坡稳定性 / 机器学习 / GA-SVM模型 / 稳定性预测