山区公路边坡稳定性评价机器学习优化算法研究

摘要

在丘陵或山地地区的公路工程建设与运维中，边坡失稳是工程地质灾害防治的重点问题。为实现对公路边坡稳定性的高效、准确评价，文章以安徽省山区高速公路边坡为例，甄选坡度、开挖级数、节理组数等11个因子作为评价指标，提出基于两种优化算法改进3种机器学习的评价模型，通过数值模拟计算对模型评价结果的准确性进行验证。结果表明：与GWO算法和ELM、RF机器学习模型相比，KOA-SVM评价模型的准确率和精确率分别达到了95.8%和96.53%，较GWO算法和ELM、RF机器学习模型收敛速度更快、准确率更高。数值模拟计算结果与KOA-SVM模型评价结果一致，验证了该模型的准确性。研究成果可为山区公路工程规避沿线边坡失稳灾害提供借鉴。

关键词

边坡稳定性 / 机器学习 / 优化算法 / 评价模型 / 数值模拟

基金资助

安徽省交通控股集团有限公司科技项目资助(JKKJ-2020-45); 国家重点研发计划(2024YFC3012605)