13、基于梯度提升算法的水位变化下边坡高效地震稳定性分析

基于梯度提升算法的水位变化下边坡高效地震稳定性分析

1. 引言

路堤是全球分布广泛的重要基础设施之一，其失稳可能导致灾难性后果，因此在岩土和水文地质领域受到越来越多的关注。合理评估路堤稳定性是防灾减灾的前提，安全系数（FS）这一指标常被用于衡量边坡稳定性，因其概念简单，可通过确定性边坡稳定性分析方法（如极限平衡法和有限元法）获得。

路堤边坡稳定性受多种内部因素（如抗剪强度参数和水力参数）和外部因素（如地震、水位波动和降雨）的综合影响。在这种情况下，边坡稳定性预测可以快速评估稳定性状态，为减灾决策提供科学依据。

过去几十年，众多研究人员在边坡稳定性预测方面取得了显著进展。例如：
- 2005 年，Sakellariou 和 Ferentinou 引入神经网络预测边坡稳定性，将岩土和几何参数作为输入，FS 或稳定性状态作为输出。
- 2016 年，Gordan 等人通过结合 PSO 和 ANN 开发了一种混合预测模型，用于预测均质边坡的 FS，发现 PSO - ANN 方法在 FS 预测方面优于 ANN 模型。
- 2017 年，Mahdiyar 等人采用蒙特卡罗技术，基于坡高、坡角、粘聚力、内摩擦角和峰值地面加速度等五个重要输入参数，预测地震条件下边坡的 FS，结果表明基于蒙特卡罗的方法能较好地预测 FS。
- 2018 年，Qi 和 Tang 比较了六种机器学习算法（逻辑回归、决策树、随机森林、梯度提升机、支持向量机和多层感知器神经网络）的预测性能，认为集成人工智能技术在边坡稳定性预测方面具有巨大潜力。
- 2019 年，Koopialipoor 等人比较了四种混合智能模型在静态和动态条件下边坡稳定性预测中的性能，发现 PSO -