基于多源数据融合的库岸滑坡体稳定性智能监测与预测研究

蔺 如伟, 李 福雄
云南华电金沙江中游水电开发有限公司阿海发电分公司

摘要


为了能够通过多源数据反映出边坡稳定性的情况。本文选取某库岸滑坡体为研究对象，考虑滑坡体所在位置的库水位波动和地质环境的影响。本文建立了一个综合监测体系，包括气象、水文、土壤和深部位移等方面的监测。基于数据的非线性的复杂性，提出了一种基于贝叶斯优化算法（TPE）改进的极限梯度提升树（XGBoost）滑坡稳定性预测模型（TPE-XGBoost）。模型使用多源监测数据作为预测边坡稳定性的输入参数，推测影响边坡稳定性的决定性参数——内力。实验结果显示，TPE-XGBoost模型在测试集上的准确率达到了96.8%，比传统的SVM和未优化的XGBoost模型都要好，能够有效识别滑坡的临界状态，为工程安全管理提供了可靠的决策依据。

关键词


库岸滑坡体；多源数据融合；贝叶斯优化；稳定性预测；智能监测

全文:

PDF


参考


[1]彭文明，付敬.边坡失稳特征及滑坡涌浪分析[J].四川水力发电，2023，42（03）：20-26.

[2]郑哲.地下水位抬升作用下重塑边坡失稳特征研究[D].太原理工大学，2022.

[3]王立朝，温铭生，冯振，等.中国西藏金沙江白格滑坡灾害研究[J].中国地质灾害与治学报，2019，30（01）：1-9.

[4]赵鹏辉，李俊杰，叶唐进，等.轻小型无人机遥感在高山峡谷区山地灾害应急监测中的应用[J].防灾减灾工程学报，2021，41（03）：448-454.

[5]张瑞萍.GNSS边坡监测平台在矿山的应用[J].能源与节能，2025，（12）：26-28+32.

[6]黄俊富，黄德智，陈勇华.基于MIDAS GTS NX构建边坡支护三维模型效果分析[J].大众科技，2025，27（04）：36-39.

[7]田密，常红君，钟儒泽，等.融合不同机器学习的库岸边坡时变可靠度分析方法[J].武汉大学学报（工学版），1-20.


Refbacks

  • 当前没有refback。