来源：期刊VIP网 时间：
作者：徐智超;陈匀杉;邓超;丁乐;计静;
单位：湖南城市学院国家级土木工程实验教学示范中心;东北林业大学教育部东北多年冻土区地质环境系统野外科学观测研究站;湖南城市学院湖南省城市地下基础设施结构安全与防灾工程研究中心;湖南城市学院湖南省数字化城乡空间规划关键技术重点实验室;湖南城市学院注浆工程技术研究中心;东北石油大学黑龙江省高校防灾减灾工程与防护工程重点实验室;哈尔滨工业大学教育部结构灾变与控制重点实验室;
摘要：为准确且高效地预测边坡稳定性，研究提出了一种基于粒子群优化支持向量机(Particle Swarm Optimization algorithm optimized Support Vector Machine, PSO-SVM)的边坡稳定性预测模型。该模型首先采用主成分分析法对特征数据进行降维，以提高模型的学习效率；其次，采用粒子群优化(Particle Swarm Optimization, PSO)算法优化支持向量机(Support Vector Machine, SVM)的超参数，以提高模型的预测精度与泛化能力。为验证模型有效性与可靠性，选取反向传播神经网络(Back Propagation Neural Network, BPNN)、随机森林(Random Forest, RF)与未优化的SVM作为对比试验模型，并将准确率、精确率、召回率与F_(1-score)作为各模型预测性能的评价指标，以对各模型的预测性能进行评估。研究结果显示，PSO-SVM模型在测试集的准确率、精确率、召回率与F_(1-score)分别为0.958、0.917、1和0.957,均为各模型的最高值，展现出最佳的预测性能与泛化能力。研究为边坡稳定性评估提供了有效参考，具有重要的工程意义。
关键词：安全工程;;边坡稳定性;;主成分分析法;;粒子群优化算法;;支持向量机
基金资助：湖南省教育厅优秀青年基金项目(23B0737)
