摘要： 边坡危岩体稳定性评价是地质灾害防治的重要内容之一。传统的稳定性评价方法在求解复杂非线性 问题时存在着精度较低、收敛速度慢等问题,为此,提出了一种基于GA-PSO 混合优化支持向量回归(SVR)的边坡危 岩体稳定性评价模型。首先,通过采集大量的实测数据和监测数据,建立了边坡危岩体的训练样本集;然后,将SVR 算法引入稳定性评价中,利用其非线性映射性能拟合边坡危岩体的稳定性函数。为提高SVR 模型的优化能力,将遗 传算法(GA)和粒子群优化算法(PSO)相结合,形成了GA-PSO 混合优化算法,并用于求解SVR 模型中的优化问题。 选取了多个现场实际边坡危岩体工程案例进行了算法测试。结果表明:相对于传统方法,GA-PSO 混合优化SVR 模型 能够准确预测边坡危岩体的稳定性,并且具有较高的精度和较快的收敛速度。

关键词: 边坡危岩体　稳定性评价　支持向量机回归算法　遗传算法　粒子群优化算法