基于麻雀优化算法的SVM-XGBoost边坡稳定性预测方法研究及应用

作者：粟登峰 赵黎 李坤 谭宝会 胡颖鹏 朱强 王瑞 陈榕凯    单位：西南科技大学 环境与资源学院；四川铸创安全科技有限公司

关键词：SSA-SVM-XGBoost；边坡稳定性；可视化分析；机器学习；工程应用

摘  要：边坡失稳会造成严重的人员伤亡和巨大经济损失，快速精准的判定边坡稳定状态是制定科学有效的防治措施的前提。针对现有预测模型存在的不足，本文通过SSA-SVM-XGBoost 算法构建了一种边坡稳定性预测融合模型。模型将6个参数（容重、黏聚力、内摩擦角、坡角、斜坡高度、孔隙水压力比）作为输入，结合收集到的200组数据构建完整的模型训练样本集，边坡状态稳定与失稳作为输出。结果表明，SSA-SVM-XGBoost 模型在混淆矩阵下得到的准确率为0.875，召回率为0.900，精确率0.857，Fl 得分为0.878，相较于SSA-SVM模型与SSA-XGBoost模型，该模型在识别边坡失稳状态时的具有突出优势。研究结果表明，基于实际工程数据的边坡状态评估与传统分析方法具有良好的一致性，可为边坡稳定性预测提供参考依据。