基于BO-SVM的滑坡稳定性可解释机器学习预测方法

作     者：高睿 张真弼 李立辰 关鹏 Gao Rui;Zhang Zhenbi;Li Lichen;Guan Peng

作者机构：武汉市勘察设计有限公司湖北武汉430205 中国地质大学(武汉)湖北武汉430074 岩土钻掘与防护教育部工程研究中心湖北武汉430074 

基　　金：湖北省自然科学基金青年项目(2023AFB008) 岩土钻掘与防护教育部工程研究中心开放研究基金项目(NO.202311) 

出 版 物：《资源环境与工程》 (Resources Environment & Engineering)

年 卷 期：2024年第38卷第3期

页      码：274-284,307页

摘      要：滑坡灾害会造成严重的生命财产安全问题,对滑坡稳定性进行准确预测对于指导滑坡灾害的防治工作具有重要意义。不平衡数据集会影响机器学习模型预测的准确性,为解决这一问题,提出一种基于SMOTE技术的BO-SVM滑坡稳定性预测方法,该方法首先采用SMOTE技术对不平衡滑坡数据集进行过采样处理,然后采用BO算法基于过采样处理后的数据集对SVM模型进行超参数优化,最后使用优化后的BO-SVM模型对测试集进行预测,其预测准确率达到95.58%。将BO-SVM模型的预测结果与RF、XGBoost和CatBoost模型的预测结果进行对比,证明BO-SVM模型的预测性能具有优越性。采用SHAP方法对SVM模型进行解释,并实施消融实验研究其输入特征对4个机器学习模型预测性能的影响。本研究解决了不平衡数据集会降低滑坡稳定性预测准确性的问题,并为滑坡的防治工作提供一定的参考。

主 题 词：滑坡 稳定性 SMOTE 支持向量机 贝叶斯优化 消融实验 

学科分类：12[管理学] 1201[管理学-管理科学与工程类] 081803[081803] 08[工学] 081104[081104] 0818[工学-交通运输类] 0835[0835] 0811[工学-水利类] 0812[工学-测绘类] 

D　O　I：10.16536/j.cnki.issn.1671-1211.2024.03.005

馆 藏 号：203128230...