一种基于高斯过程回归的边坡稳定性预测方法

本发明提供了一种基于高斯过程回归的边坡稳定性预测方法，包括以下步骤：步骤S1：对于收集到的边坡观测数据进行归一化处理；步骤S2：采用粒子群优化算法对边坡观测数据特征进行选择；步骤S3：构造高斯过程回归中的协方差矩阵；步骤S4：计算新输入边坡观测数据所对应稳定性的后验概率分布；步骤S5：采用sigmoid函数对预测结果进行归一化处理。本发明采用高斯过程回归方法有效解决了传统回归分析方法在处理边坡稳定性预测中出现的精度不足和非线性关系处理不当的问题。与其他机器学习预测模型相比，本发明不仅能够提供稳定性预测的结果，还能够量化预测的不确定性，提升预测结果的可信度。