基于梯度提升决策树的露天矿边坡多源信息融合与稳定性预测 论文

准确预测边坡稳定性对于减少滑坡次数和降低边坡维护成本至关重要。岩质边坡作为一种典型的岩体工程，在灾害的孕育和发展过程中，工程岩体内部会产生新的裂隙，或旧裂隙发展。随着岩体内部裂隙的发展，岩体物理参数不断发生变化，因此通过监测边坡岩体的物理参数变化对岩质边坡稳定性进行预判已成为一种重要的预测手段。而传统的单一监测信息虽然能够直观地反映滑坡趋势，但其存在局部性和滞后性，并不能完整反映边坡所处的状态。基于涵盖了边坡内部和表面的微震、应力和位移等3种异构信息，提出一种利用多源监测信息融合技术对边坡进行稳定性预测分析的方法：针对大孤山露天矿边坡的实际地质条件，通过有限元强度折减法得到边坡不同状态下监测信息的变化规律，并利用梯度提升决策树(GBDT)模型对监测信息进行融合，建立了边坡稳定性预测的非线性模型，并与不同融合算法进行对比，得到如下结论：①将梯度提升决策树和有限元强度折减法相结合，可以实现边坡的位移、应力和微震等异构信息的融合，并以大孤山铁矿西北帮边坡实际监测数据验证了所提方法的有效性；②与其他融合算法进行比较表明，GBDT模型在预测精度和模型解释能力方面具有优越的性能，可以很好地识别复杂