金属矿山

作者：张化进,吴顺川,李兵磊

单位：1. 福州大学紫金地质与矿业学院,福建 福州 350108;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,D-S 证据理论,集成学习,选择性集成,失稳概率,

针对边坡稳定性预测算法选择困难和单个模型误判风险大的问题,建立了基于改进D-S 证据理论选择性集成的边坡稳定性评价方法,为边坡稳定性初步评价提供方法依据。基于边坡稳定性主要影响因素,通过极限平衡法构建了大型边坡稳定性评价数据集。引入基于边界距离最小化的基学习器选择技术,提升选择性集成模型的泛化能力。提出了改进D-S 证据理论融合基学习器信息,降低了选择性集成模型决策过程中的不确定性和模糊性,解决了现有边坡稳定性评价模型易误判和结果非一致性问题。仿真试验结果表明:改进D-S 证据理论选择性集成方法无需复杂的数值建模与计算迭代过程,可直接客观地评判边坡稳定性状态,并从信息论角度给出边坡失稳概率。对比传统机器学习方法,该方法有效提高了边坡稳定性的预测准确率,同时降低了预测结果的不确定性,实现了速度快、精度高、稳健性好的广域尺度边坡稳定性评价。

来源：2024年第9期

《金属矿山》期刊编辑部

查看金属矿山杂志2024年第9期