基于混合支持向量机模型的边坡稳定性预测方法研究

摘要

高边坡的变形与失稳是水电工程中频繁发生的地质灾害，不仅威胁工程安全，还可能造成严重的经济损失和人员伤亡，其准确预测至关重要。研究基于主成分分析（PCA）和支持向量机（SVM），提出了一种高边坡稳定性预测的混合PCA-SVM模型。通过PCA提取主要特征变量，去除冗余信息并降低输入维度，减少了计算模型的输入量并提升了数据质量。然后，选取了5个关键参数-边坡岩石重度、内摩擦角、内聚力、边坡角以及边坡高度，作为混合PCA-SVM模型的输入数据。同时，引入了随机森林（RF）模型和数据处理组合算法（GMDH）模型作为对比。在评估模型性能时，采用了均方根误差（RMSE）、平均绝对误差（MAE）、决定系数（R²）、Nash-Sutcliffe效率系数（NSE）、Willmott指数（WIA）以及LegatesMcCabe指数（LM）等6个统计指标，以确保评估结果的全面性和客观性。研究结果显示，通过R²、NSE、WIA和LM此4项评价指标的综合分析，混合PCA-SVM模型的预测性能指标值高出对比模型0.1%～16.6%；在误差控制方面，该模型的RMSE与.MAE较对比模型收窄至1.1%～2.05%。研究认为，混合PCA-SVM模型在预测高边坡的稳定性方面具有很高的精确性，可以为类似工程提供参考和借鉴。

关键词

边坡稳定系数 / PCA-SVM模型 / 高边坡稳定性预测