利用机器学习的堰塞坝稳定性评估模型研究

来源：水利水运工程学报杂志 2025年第6期北京时间：

作者：王丹燕,杨兴国,周家文,冯震宇,廖海梅

摘要：堰塞坝是一种由崩塌、滑坡、泥石流等产生的斜坡体堵塞河道形成的自然灾害，严重威胁下游居民的生命财产安全。快速准确预测堰塞坝稳定性是制定灾后应急预案、开展后续重建工作的重要基础。通过收集国内外380座实际堰塞坝案例的数据，筛选出46组完整案例，对选取案例的数据进行相关性分析和正态转化，采用贝叶斯网络、决策树、Bagging、RBF神经网络和逻辑回归等5种机器学习算法，分别建立稳定性评估模型。为对比模型拟合能力和泛化能力的优劣，比较了各模型训练集和测试集的正确率及模型综合效果指标，结果显示贝叶斯网络模型正确率达到89.19%（为最高）、模型效果综合指标值达1.28（为最大）。堰塞坝的稳定性受多种因素影响，稳定性评估模型能够快速评估堰塞坝的稳定性，预知堰塞坝的失稳风险，提前采取措施，也可为危险等级划分提供参考。

关键词：堰塞坝, 稳定性, 机器学习, 模型对比, 贝叶斯网络