首页|基于GWO-XGBoost-SHAP的水库边坡稳定性预测

基于GWO-XGBoost-SHAP的水库边坡稳定性预测

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
水库边坡稳定性对水库安全至关重要.为了更准确地判断边坡稳定性,文章提出了一种结合Grey Wolf Optimizer(GWO)优化eXtreme Gradient Boosting(XGBoost)预测模型与解释机器学习模型(SHAP)结合的混合模型.选取重度、黏聚力、摩擦角、坡角、坡高和孔隙压力比作为模型的输入特征,利用GWO-XGBoost对其安全系数进行预测,并使用SHAP对该模型进行解释.研究结果表明:GWO-XGBoost模型决定系数R2 为 0.951 7,预测精度远高于现有模型.使用SHAP对该模型预测解释发现,重度、坡角和孔隙压力比是边坡稳定性的主要影响因素.该模型为水库边坡稳定性提供了可靠的参考,有助于水库制定更有效的安全措施,从而提升水库整体安全水平.

黄康鑫

展开 >

广西壮族自治区水利电力勘测设计研究院有限责任公司,南宁 530023

边坡稳定性 灰狼优化算法 XGBoost SHAP

2024

四川水利
四川省水利科学研究院

四川水利

影响因子：0.221
ISSN：
年,卷(期)：2024.45(3)
  • 17