基于MISSA-SVM模型的边坡稳定性预测及应用

doi:10.16265/j.cnki.issn1003-3033.2024.04.1275

中国安全科学学报 ›› 2024, Vol. 34 ›› Issue (4): 135-144.doi: 10.16265/j.cnki.issn1003-3033.2024.04.1275

基于MISSA-SVM模型的边坡稳定性预测及应用

王团辉¹(), 王超¹^,²^,³^,^**(), 吴顺川¹^,²^,³, 王琦玮¹, 徐健珲¹

¹ 昆明理工大学国土资源工程学院,云南昆明 650093
² 自然资源部高原山地地质灾害预报预警与生态保护修复重点实验室,云南昆明 650093
³ 云南省高原山地地质灾害预报预警与生态保护修复重点实验室,云南昆明 650093

收稿日期:2023-12-18 修回日期:2024-02-25 出版日期:2024-04-28
通讯作者:
**王超(1984—),男,山东济宁人,博士,副教授,主要从事岩石力学及矿山安全方面的研究。E-mail: wangchao@kust.edu.cn。
作者简介:
王团辉 (1999—),男,河南焦作人,硕士研究生,主要研究方向为岩土工程灾害防治。E-mail: wangtuanhui2022@163.com。
吴顺川教授
基金资助:
云南省重大科技专项项目(202202AG050014); 云南省创新团队项目(202105AE160023)

Slope stability prediction and application based on MISSA-SVM model

WANG Tuanhui¹(), WANG Chao¹^,²^,³^,^**(), WU Shunchuan¹^,²^,³, WANG Qiwei¹, XU Jianhui¹

¹ Faculty of Land Resource Engineering, Kunming University of Science and Technology, Kunming Yunnan 650093, China
² Key Laboratory of Geohazard Forecast and Geoecological Restoration in Plateau Mountainous Area, Ministry of Natural Resources of the People's Republic of China, Kunming Yunnan 650093, China
³ Yunnan Key Laboratory of Geohazard Forecast and Geoecological Restoration in Plateau Mountainous Area, Kunming Yunnan 650093, China

Received:2023-12-18 Revised:2024-02-25 Published:2024-04-28

摘要/Abstract

摘要：

为提高边坡稳定性的预测精度,提出一种基于多策略改进的麻雀搜索算法(MISSA)优化支持向量机(SVM)的边坡稳定性预测模型。选取容重γ、黏聚力c、内摩擦角Ф、边坡角φ_f、边坡高度H、孔隙压力比r_u等6个代表性特征作为模型的预测指标。针对麻雀优化算法(SSA)存在的收敛速度慢、精确度不高、易陷入局部最优等问题,引入一维复合混沌映射、正余弦算法(SCA)、Levy飞行机制和步长因子动态调整等策略进行优化改进,构建基于MISSA-SVM的边坡稳定性预测模型。将MISSA-SVM模型应用到大溪滑坡等9组边坡工程实例进行验证。结果表明:MISSA-SVM模型的准确率、精确率、召回率、F₁分数、均方误差(MSE)和曲线下面积(AUC)分别达到96.29%、92.3%、100%、0.96、0.016和0.967,均优于SSA优化的SVM模型和BP模型,预测结果与实际边坡状况完全吻合,表明MISSA-SVM模型具有较强的泛化能力。

关键词: 多策略改进麻雀搜索算法(MISSA), 支持向量机(SVM), 边坡稳定性, 正余弦算法(SCA), 预测指标

Abstract:

In order to further improve the prediction accuracy of slope stability, a slope stability prediction model based on MISSA optimized SVM was proposed. Six representative indexes, including bulk density (γ), cohesion (c), internal friction angle (Ф), slope angle (φ_f), slope height (H) and pore pressure ratio (r_u) were selected as the prediction indexes of the model. In response to the problems of slow convergence speed, low accuracy, and susceptibility to local optima in the sparrow optimization algorithm (SSA), strategies such as one-dimensional composite chaotic mapping, SCA, Levy flight mechanism, and dynamic adjustment of step size factor are introduced for optimization and improvement. A slope stability prediction model based on MISSA-SVM was constructed. The MISSA-SVM model was applied to 9 groups of slope engineering examples, such as the Daxi landslide, for verification. The results show that the accuracy, precision, recall, F₁ score, mean square error (MSE) and area under the curve (AUC) of the MISSA-SVM model reach 96.29%, 92.3%, 100%, 0.96, 0.016 and 0.967, respectively, which are better than the SSA-optimized SVM model and BP model, and the prediction results are completely consistent with the actual slope conditions, indicating that the MISSA-SVM model has strong generalization ability.

Key words: multi-strategy improvements sparrow search algorithm (MISSA), support vector machine (SVM), slope stability, sine cosine algorithm (SCA), predictive indicators

中图分类号:

X948

王团辉, 王超, 吴顺川, 王琦玮, 徐健珲. 基于MISSA-SVM模型的边坡稳定性预测及应用[J]. 中国安全科学学报, 2024, 34(4): 135-144.

WANG Tuanhui, WANG Chao, WU Shunchuan, WANG Qiwei, XU Jianhui. Slope stability prediction and application based on MISSA-SVM model[J]. China Safety Science Journal, 2024, 34(4): 135-144.

图/表 11

表1

图1

图2

图3

图4

图5

表2

图6

表3

图7

表4

参考文献 33

[1]	张凯, 张科. 基于LightGBM算法的边坡稳定性预测研究[J]. 中国安全科学学报, 2022, 32(7):113-120. doi: 10.16265/j.cnki.issn1003-3033.2022.07.1473
	ZHANG Kai, ZHANG Ke. Prediction study on slope stability based on LightGBM algorithm[J]. China Safety Science Journal, 2022, 32(7): 113-120. doi: 10.16265/j.cnki.issn1003-3033.2022.07.1473
[2]	中华人民共和国应急管理部. 内蒙古阿拉善新井煤业有限公司露天煤矿“2·22”特别重大坍塌事故调查报告公布[Z].2023-08-29.
[3]	中华人民共和国自然资源部. 2021年全国地质灾害灾情及2022年地质灾害趋势预测[Z].2022-01-17.
[4]	吴顺川, 贺鹏彬, 程海勇, 等. 非煤露天矿山岩质边坡稳定性评价标准探讨[J]. 工程科学学报, 2022, 44(5):876-885.
	WU Shunchuan, HE Pengbin, CHENG Haiyong, et al. Discussion on the stability evaluation standard of a rock slope in a noncoal open-pit mine[J]. Chinese Journal of Engineering, 2022, 44(5): 876-885.
[5]	吴顺川, 李浚弘, 张化进, 等. 考虑岩土体剪胀特性的边坡稳定性分析[J]. 中国安全生产科学技术, 2020, 16(10):108-114.
	WU Shunchuan, LI Junhong, ZHANG Huajin, et al. Analysis on slope stability considering shear dilatation characteristics of rock and soil mass[J]. Journal of Safety Science and Technology, 2020, 16(10): 108-114.
[6]	DENG Dongping, LI Liang. Limit equilibrium analysis of slope stability with coupling nonlinear strength criterion and double-strength reduction technique[J]. International Journal of Geomechanics, 2019, 19(6): DOI:10.1061/(ASCE)GM.1943-5622.0001431.
[7]	卢坤林, 朱大勇, 甘文宁, 等. 一种边坡稳定性分析的三维极限平衡法及应用[J]. 岩土工程学报, 2013, 35(12):2276-2282.
	LU Kunlin, ZHU Dayong, GAN Wenning, et al. 3D limit equilibrium method for slope stability analysis and its application[J]. Chinese Journal of Geotechnical Engineering, 2013, 35(12): 2276-2282.
[8]	张化进, 吴顺川, 张中信, 等. 边坡稳定性自动机器学习预测方法研究[J]. 中国安全生产科学技术, 2023, 19(1):35-40.
	ZHANG Huajin, WU Shunchuan, ZHANG Zhongxin, et al. Research on automatic machine learning prediction method of slope stability[J]. Journal of Safety Science and Technology, 2023, 19(1): 35-40.
[9]	GONG Bin. Study of PLSR-BP model for stability assessment of loess slope based on particle swarm optimization[J]. Scientific Reports, 2021, 11(1): 1-10.
[10]	汪伟, 崔欣超, 祁云, 等. 基于SSA-RF的采空区煤自燃温度回归分析模型[J]. 中国安全科学学报, 2023, 33(9):136-141. doi: 10.16265/j.cnki.issn1003-3033.2023.09.0846
	WANG Wei, CUI Xinchao, QI Yun, et al. Regression analysis model of coal spontaneous combustion temperature in goaf based on SSA-RF[J]. China Safety Science Journal, 2023, 33(9): 136-141. doi: 10.16265/j.cnki.issn1003-3033.2023.09.0846
[11]	罗战友, 杨晓军, 龚晓南. 基于支持向量机的边坡稳定性预测模型[J]. 岩石力学与工程学报, 2005, 24(1):144-148.
	LUO Zhanyou, YANG Xiaojun, GONG Xiaonan. Support vector machine model in slope stability evaluation[J]. Chinese Journal of Rock Mechanics and Engineering, 2005, 24(1): 144-148.
[12]	丁茜, 赵晓东, 吴鑫俊, 等. 基于RBF核的多分类SVM滑塌易发性评价模型[J]. 中国安全科学学报, 2022, 32(3):194-200. doi: 10.16265/j.cnki.issn1003-3033.2022.03.026
	DING Qian, ZHAO Xiaodong, WU Xinjun, et al. Landslide susceptibility assessment model based on multi-class SVM with RBF kernel[J]. China Safety Science Journal, 2022, 32(3): 194-200. doi: 10.16265/j.cnki.issn1003-3033.2022.03.026
[13]	吕鹏. 基于信息技术的深凹露天矿高陡边坡稳定性综合分析研究[D]. 北京: 北京科技大学, 2019.
	LYU Peng. Comprehensive analysis and research on the stability of high and steep slopes in deep open pit mines based on information technology[D]. Beijing: University of Science and Technology Beijing, 2019.
[14]	林青, 姚俊名, 梁伟, 等. 基于深度学习的燃气发电机组剩余寿命预测[J]. 中国安全科学学报, 2023, 33(9):113-121. doi: 10.16265/j.cnki.issn1003-3033.2023.09.0231
	LIN Qing, YAO Junming, LIANG Wei. Residual life prediction of gas generator set based on deep learning[J]. China Safety Science Journal, 2023, 33(9): 113-121. doi: 10.16265/j.cnki.issn1003-3033.2023.09.0231
[15]	KAHATADENIYA K S, NANAKORN P, NEAUPANE K M. et al. Determination of the critical failure surface for slope stability analysis using ant colony optimization[J]. Engineering Geology, 2009, 108(1/2): 133-141.
[16]	金爱兵, 张静辉, 孙浩, 等. 基于SSA-SVM的边坡失稳智能预测及预警模型[J]. 华中科技大学学报:自然科学版, 2022, 50(11):142-148.
	JIN Aibing, ZHANG Jinghui, SUN Hao, et al. Intelligent prediction and alert model of slope instability based on SSA-SVM[J]. Journal of Huazhong University of Science and Technology:Natural Science Edition, 2022, 50(11): 142-148.
[17]	XUE Jiankai, SHEN Bo. A novel swarm intelligence optimization approach: sparrow search algorithm[J]. Systems Science & Control Engineering, 2020, 8(1): 22-34.
[18]	LI Bo, QIU Junbo. Displacement prediction of open-pit mine slope based on SSA-ELM[J]. Frontiers in Earth Science, 2023, 11: DOI:10.3389/FEART.2023.1126394.
[19]	PANIMALAR K, KANMANI S. Energy efficient cluster head selection using improved sparrow search algorithm in wireless sensor networks[J]. Journal of King Saud University-Computer and Information Sciences, 2023, 34(10): 8564-8575.
[20]	赵建祥, 毕鹏飞, 惠亚强. 基于梯度回归树的高填方边坡稳定性预测[J]. 水利水电技术:中英文, 2021, 52(增2):406-411.
	ZHAO Jianxiang, BI Pengfei, HUI Yaqiang. Prediction of high fill slope stability based on gradient regression tree[J]. Water Resources and Hydropower Engineering, 2021, 52(S2): 406-411.
[21]	雷航. 基于坡面位移监测信息的边坡稳定性分析[D]. 成都: 西南交通大学, 2014.
	LEI Hang. Slope stability analysis based on slope displacement monitoring information[D]. Chengdu: Southwest Jiaotong University, 2014.
[22]	王超. 工程高边坡稳定性预测方法研究[D]. 北京: 北京交通大学, 2010.
	WANG Chao. Research on the stability prediction method of engineering high slope[D]. Beijing: Beijing Jiaotong University, 2010.
[23]	ZHOU Jian, LI Enming, YANG Shan, et al. Slope stability prediction for circular mode failure using gradient boosting machine approach based on an updated database of case histories[J]. Safety Science, 2019, 118: 505-518. doi: 10.1016/j.ssci.2019.05.046
[24]	姜德义, 朱合华, 杜云贵. 边坡稳定性分析与滑坡防治[M]. 重庆: 重庆大学出版社, 2005:21-261.
[25]	CHAKRABORTY A, GOSWAMI D. Prediction of slope stability using multiple linear regression (MLR) and artificial neural network (ANN)[J]. Arabian Journal of Geosciences, 2017, 10(17): 1-11.
[26]	张伟龙. 基于机器学习的边坡稳定性分析研究[D]. 太原: 太原理工大学, 2020.
	ZHANG Weilong. The research of slope stability analysis based on machine learning[D]. Taiyuan: Taiyuan University of Technology, 2020.
[27]	祖林禄, 柳平增, 赵妍平, 等. 基于SSA-LSTM的日光温室环境预测模型研究[J]. 农业机械学报, 2023, 54(2):351-358.
	ZU Linlu, LIU Pingzeng, ZHAO Yanping, et al. Solar greenhouse environment prediction model based on SSA-LSTM[J]. Transactions of the Chinese Society for Agricultural Machinery, 2023, 54(2): 351-358.
[28]	STEEB W H, VAN WYK M A, STOOP R. Chaotic maps, control parameter, and liapunov exponent[J]. International Journal of Theoretical Physics, 1998, 37(10): 2653-2655.
[29]	李爱莲, 全凌翔, 崔桂梅, 等. 融合正余弦和柯西变异的麻雀搜索算法[J]. 计算机工程与应用, 2022, 58(3):91-99. doi: 10.3778/j.issn.1002-8331.2106-0148
	LI Ailian, QUAN Lingxiang, CUI Guimei, et al. Sparrow search algorithm combining sine-cosine and cauchy mutation[J]. Computer Engineering and Applications, 2022, 58(3): 91-99. doi: 10.3778/j.issn.1002-8331.2106-0148
[30]	YANG Xinshe, SUASH D. Eagle strategy using LÉvy walk and firefly algorithms for stochastic optimization[C]. Nature Inspired Cooperative Strategies for Optimization (NICSO 2010), 2010: 101-111.
[31]	马纪梅, 张欣彤, 张政林, 等. 基于改进麻雀搜索算法的微网容量优化配置[J]. 电子测量技术, 2022, 45(8):76-82.
	MA Jimei, ZHANG Xintong, ZHANG Zhenglin, et al. Microgrid capacity optimization based on improved sparrow search algorithm[J]. Electronic Measurement Technology, 2022, 45(8): 76-82.
[32]	LI Mingliang, LI Kegang, QIN Qingci, et al. Research and application of an intelligent prediction of rock bursts based on a bayes-optimized convolutional neural network[J]. International Journal of Geomechanics, 2023, 23(5):DOI:10.1061/IJGNAI.GMENG-8213.
[33]	朱克娟. 汉江旬阳水电站杨大沟滑坡稳定性分析[J]. 电力勘测设计, 2017(6):71-75,80.
	ZHU Kejuan. Stability analysis on Yangdagou landslide of Xunyang hydropower station[J]. Electric Power Survey & Design, 2017(6): 71-75,80.

样本编号	工程名称	预测指标						边坡类型	边坡实际状态
样本编号	工程名称	γ/(kN·m^-3)	c/kPa	Ф/(°)	φ_f/ (°)	H /m	r_u /kPa	边坡类型	边坡实际状态
1	桂柳高速公路	27.1	22	18.6	25.6	100	0.19	土质	失稳
2	小浪底水库滑坡	21.2	0	35	23.75	150	0.25	土质	失稳
3	三峡水电项目滑坡	26.57	300	38.7	45.3	80	0.15	岩质	失稳
︙	︙	︙	︙	︙	︙	︙	︙	︙	︙
89	三穗-凯里高速公路	26.5	36.1	31	35	39	0	岩质	稳定
90	三穗-凯里高速公路	26	42.4	37	38	55	0	岩质	稳定

预测模型	准确率/%	精确率/%	召回率/%	F₁ 分数	MSE
MISSA-SVM	96.29	92.3	100	0.96	0.016
SSA-SVM	92.59	91.67	91.67	0.92	0.074
SSA-BP	85.18	100	66.67	0.8	0.148

基于MISSA-SVM模型的边坡稳定性预测及应用

Slope stability prediction and application based on MISSA-SVM model

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表 11

参考文献 33

相关文章 15

编辑推荐

Metrics

本文评价

工程名称	预测指标						边坡实际状态	预测结果
工程名称	γ/ (kN·m^-3)	c/kPa	Ф/(°)	φ_f /(°)	H/m	r_u/kPa	边坡实际状态	MISSA- SVM	SSA- SVM	SSA- BP
三峡库区链子崖滑坡	18.5	25	0	30	6.003	0.29	失稳	失稳	失稳	失稳
三穗-凯里高速公路	20	8	20	10	10	0	失稳	失稳	稳定	失稳
三穗-凯里高速公路	21.4	28.8	20	50	52	0	失稳	稳定	失稳	失稳
︙	︙	︙	︙	︙	︙	︙	︙	︙	︙	︙
三板溪水电站 3号边坡	27.3	36	1	50	92	0.29	稳定	稳定	稳定	失稳
印度露天铁矿	28.44	29.42	35	35	100	0	稳定	稳定	失稳	失稳
印度露天铁矿	28.44	39.23	38	35	100	0	稳定	稳定	稳定	失稳
霸王山边坡	22.1	45.8	49.5	45.8	49.5	0.21	稳定	稳定	稳定	失稳

序号	工程名称	预测指标						边坡实际状态	预测结果
序号	工程名称	γ/ (kN·m^-3)	c/ kPa	Ф/ (°)	φ_f/ (°)	H/m	r_u/ kPa	边坡实际状态	MISSA- SVM	SSA- SVM	SSA- BP
1	大溪滑坡	22	20	36	45	30	0.29	失稳	失稳	失稳	失稳
2	子洪水库右岸滑坡	12	0.03	30	35	4	0.29	失稳	失稳	稳定	失稳
3	中延村滑坡	12	0	30	45	8	0.29	失稳	失稳	失稳	稳定
4	旬阳水电站杨大沟滑坡	31.3	68	37	49	200.5	0.29	失稳	失稳	失稳	稳定
5	苏家坪滑坡	20	30	36	45	50	0.29	失稳	失稳	失稳	失稳
6	江西七一水库滑坡	18.82	25	14.6	20.32	50	0.4	失稳	失稳	失稳	失稳
7	天生桥二级水电站7号边坡	22	10	35	30	10	0.29	稳定	稳定	失稳	稳定
8	四川垮梁子边坡	21	10	30.34	30	30	0.29	稳定	稳定	失稳	稳定
9	云南头寨沟边坡	21.5	15	29	41.5	123.6	0.36	稳定	稳定	稳定	失稳

[1]	王军武, 何娟娟, 宋盈辉, 刘一鹏, 陈兆, 郭婧怡. 基于RF-SFLA-SVM的装配式建筑高空作业工人不安全行为预警[J]. 中国安全科学学报, 2024, 34(3): 1-8.
[2]	祁云, 薛凯隆, 汪伟, 崔欣超, 王宏祥, 齐庆杰. 矿井煤与瓦斯突出事故应急救援能力评估模型[J]. 中国安全科学学报, 2024, 34(2): 225-230.
[3]	吴赛赛, 张曾瑞, 金韬, 张鑫, 郭进平. 深部矿山锚杆腐蚀失效风险评估研究[J]. 中国安全科学学报, 2023, 33(S1): 180-184.
[4]	靳春玲, 姬照泰, 贡力, 安祥, 周一. 基于WOA-SVM的引水隧洞岩爆烈度评估模型[J]. 中国安全科学学报, 2023, 33(9): 41-48.
[5]	李丽, 曹玉宽, 陈瑶, 赵营, 齐金浩. 基于多生理信号的飞行警戒疲劳检测[J]. 中国安全科学学报, 2023, 33(2): 225-232.
[6]	郄彦辉, 郭涛, 周凌志, 王昱. 基于SVM的含缺陷20钢弯管爆破压力预测[J]. 中国安全科学学报, 2023, 33(2): 89-95.
[7]	邓立军, 尚文天, 刘剑, 周煜凯, 宋莹. 基于DWT与SVM的风门开闭阶段识别方法[J]. 中国安全科学学报, 2023, 33(1): 95-104.
[8]	赵立春, 刘永杰, 宗赫, 徐勇超, 王博, 祁利民. 同一边坡角下不同边坡形态及稳定性研究[J]. 中国安全科学学报, 2022, 32(S1): 140-144.
[9]	朱馨, 李建微, 郭伟, 毕胜, 伍跃飞. 基于机器学习的森林火险预测模型[J]. 中国安全科学学报, 2022, 32(9): 152-157.
[10]	张凯, 张科. 基于LightGBM算法的边坡稳定性预测研究[J]. 中国安全科学学报, 2022, 32(7): 113-120.
[11]	杨文臣, 周燕宁, 田毕江, 郭凤香, 胡澄宇. 基于聚类分析和SVM的二级公路交通事故严重度预测[J]. 中国安全科学学报, 2022, 32(5): 163-169.
[12]	丁茜, 赵晓东, 吴鑫俊, 张泰丽, 徐振涛. 基于RBF核的多分类SVM滑塌易发性评价模型[J]. 中国安全科学学报, 2022, 32(3): 194-200.
[13]	刘利杰, 刘智超, 聂忠叶. 基于Vissim仿真模拟的露天煤矿靠帮开采方案优化[J]. 中国安全科学学报, 2021, 31(S1): 114-120.
[14]	吴孟龙, 叶义成, 胡南燕, 王其虎, 李文, 江慧敏. 基于模糊信息粒化的矿业安全生产态势区间预测^*[J]. 中国安全科学学报, 2021, 31(9): 119-127.
[15]	赵挺生, 庞奇志, 姜雯茜. 基于数据库与支持向量机的施工升降机安全风险预测[J]. 中国安全科学学报, 2021, 31(4): 11-17.