基于集成学习算法的土石混合体斜坡稳定性预测模型研究

秦晓辉^1，2，3*，徐超华^1，2，3，韦家刚^1，2，3，乐巧丽^1，2，3

(1. 贵州民族大学 建筑工程学院，贵州 贵阳 550025;2. 喀斯特环境地质灾害防治国家民委重点实验室，贵州 贵阳 550025;3. 岩溶区城市地下空间开发与安全贵州民族大学重点实验室，贵州 贵阳 550025)

摘　要：由于土石混合体具有显著的非均质性，导致土石混合体斜坡的稳定性难以预测。为此，基于49个土石混合体斜坡实例样本，选择含石率、基覆面倾角、坡高和坡角4个数据特征作为输入参数，将斜坡稳定性系数作为预测对象，采用Boosting、Bagging、Stacking 3种集成学习算法将各个基学习器的预测结果合并后输入线性回归模型，构建了斜坡稳定性预测模型，并且对比分析了3种算法模型在优化前和优化后的预测结果。结果表明：在3种算法模型中，Boosting算法模型的预测精度相对最高;在通过果蝇优化算法优化后，3种算法模型的预测精度都得到显著提升，而Boosting算法模型仍具有最高的预测精度，FOA-Boosting的R2值接近1。

关键词：土石混合体;斜坡稳定性;集成学习算法;预测模型;预测精度