基于PCA-RF的边坡稳定性预测

随着露天矿山开采深度的增大,高陡边坡数量也越来越多,边坡灾害发生频次逐年上升,为减少边坡灾害的发生,有必要开展边坡稳定性预测研究。通过对机器学习算法的对比和筛选,提出了一种将主成分分析(PCA)与随机森林模型(RF)相结合的露天边坡稳定性预测模型,边坡实例预测结果显示,该模型预测准确率达100%;通过6折交叉验证法评估发现,该模型的预测精度高达94.44%。将该模型应用于拉拉铜矿东部露天采场终了边坡的稳定性预测,结果表明,边坡东帮、西帮、南帮、北帮均处于稳定状态,该预测结果可为矿山实际生产提供参考。