矿冶工程

作者：熊朝林, 陈俊智

单位：1.昆明理工大学 公共安全与应急管理学院, 云南 昆明 650093;2.昆明理工大学 国土资源工程学院, 云南 昆明 650093

关键词：边坡稳定性,预测模型,安全系数,SVM模型,INRBO算法,机器学习

基金：国家自然科学基金联合项目(U1602232)

针对支持向量机(SVM)模型在预测边坡安全系数中选取参数困难的问题，优化牛顿-拉夫逊算法(NRBO)帮助SVM模型快速选取适当的超参数。引入动态反向学习策略、横向与纵向交叉策略和修正自适应系数计算公式对NRBO算法进行改进，构建INRBO-SVM边坡安全系数预测模型。选取容重、黏聚力、内摩擦角、边坡角、边坡高度和孔隙水压比6个因素为模型输入，安全系数为输出，将训练后的INRBO-SVM模型、NRBO-SVM模型、SVM模型、RBF模型对9组测试样本进行安全系数预测。结果表明：INRBO-SVM模型安全系数预测性能最好，相关系数<em>R</em>²为0.9999，高于其他模型；均方根误差和平均绝对误差均显著低于其他模型。工程应用结果表明，INRBO-SVM模型的安全系数预测误差均小于10%，大部分低于5%，证实了该模型预测安全系数的准确性以及实际应用价值。

来源：2025年第2期

《矿冶工程》期刊编辑部

查看矿冶工程杂志2025年第2期