一种基于PCA-PANN模型的边坡稳定性预测方法及应用

本发明涉及边坡稳定性预测技术领域，具体涉及一种基于PCA‑PANN模型的边坡稳定性预测方法及应用，S1：收集与边坡稳定性相关因素作为输入变量，用于训练和开发ML模型以预测FoS。S2：通过PCA消除步骤S1建立的数据库中各影响因素之间的相关性，建立新的预测样本数据；S3：构建并训练ANN模型，模型由相互连接的神经元组成，构建多层神经元网络。输入变量通过神经元连接和激活函数进行传输和训练。S4：使用PSO算法优化ANN。本发明模型不需要复杂的计算，只需要提供相关特征参数，即可快速获得边坡的安全系数和稳定状态。此外，PCA‑PANN模型用于边坡稳定性分析的预测精度达到0.97以上，与其他神经网络模型的对比表明，所提模型在边坡稳定性评价中具有显著的优势。