基于BO-SVM的滑坡稳定性可解释机器学习预测方法

基于BO-SVM的滑坡稳定性可解释机器学习预测方法
高睿;张真弼;李立辰;关鹏
【期刊名称】《资源环境与工程》
【年(卷),期】2024(38)3
【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。

【总页数】12页(P274-284)
【作者】高睿;张真弼;李立辰;关鹏
【作者单位】武汉市勘察设计有限公司;中国地质大学(武汉);岩土钻掘与防护教育部工程研究中心
【正文语种】中文
【中图分类】P642.22;TP181
【相关文献】
1.基于机器学习可解释代理模型的风电次同步振荡在线预测及优化控制方法
2.基于可解释机器学习的水平井产能预测方法
3.预测重症缺血性脑卒中死亡风险的模型:基于内在可解释性机器学习方法
4.基于可解释机器学习方法的RC深受弯构件开裂剪力预测
5.基于可解释机器学习框架的列车乘车区段客流分布预测方法
因版权原因，仅展示原文概要，查看原文内容请购买。