来源：期刊VIP网 时间：
作者：石峻峰;周琳;任宇联;王志鹏;
单位：湖北工业大学土木建筑与环境学院;
摘要：为提高边坡稳定性的预测精度以预防边坡失稳事故发生，提出了一种基于改进北方苍鹰算法优化随机森林(Improved Northern Goshawk Optimization algorithm optimized Random Forest, INGO-RF)的边坡稳定性预测模型。首先，根据413个边坡案例，选取重度γ、黏聚力c、内摩擦角φ、边坡角α、边坡高度H和孔隙压力比r_u作为主要预测特征指标。其次，由于传统随机森林模型存在超参数问题，采用最佳值引导、减法优化器、柯西变异和动态调整搜索策略的INGO算法优化随机森林(Random Forest, RF)模型超参数。最后，与5种不同算法相比，所设计的INGO算法在8个测试函数中展现出更优的参数寻优能力和收敛速度；与5种不同预测模型相比，所设计的INGO-RF模型的各项评估指标均优于其他模型，该模型在训练集和测试集中的准确率分别为99.1%和91.2%,且发现γ是影响边坡稳定性的最敏感特征。研究表明，INGO-RF预测模型为边坡稳定性预测提供了一种新思路。
关键词：安全工程;;边坡稳定性;;可视化分析;;改进北方苍鹰优化算法;;随机森林;;预测模型
基金资助：桥梁结构健康与安全国家重点实验室开放项目(BHSKL18-03-KF)
