胡 鹏，文 章，胡新丽，张玉明

（1.中国地质大学(武汉)环境学院，湖北 武汉 430074；2.中国地质大学（武汉）工程学院，湖北 武汉 430074；3.潍坊科技学院建筑与艺术学院，山东 潍坊 262700）

库水位的涨落改变坡体力学平衡和软化岩层，决定坡体内渗流场的变化，对库岸滑坡稳定性有着显著影响[1]。因此，研究库岸边坡渗流场变化对研究库岸边坡变形演化过程具有重要意义[2−4]。滑坡岩土体渗透系数的求解是研究滑坡渗流场及渗流场变化引起的多场响应的前提，常见的渗透系数获取方法有原位试验和室内试验。然而，大型滑坡岩性组成较为复杂，试验结果随取样位置不同而存在较大随机性，且难以对滑坡深部的岩土体进行原位试验，因此测试结果往往仅具有参考性，不能反映岩层整体的渗透性质，无法直接用于数值模拟应用。随着机器学习方法和优化算法的发展和应用，利用反演法求解渗透系数受到了许多学者的青睐。

构建变量之间的映射关系是参数反演的前提，支持向量机（support vector machine,SVM）模型已被证明在构建非线性函数映射关系上具有很高的精度[5−7]。Prasad等[8]提出了一种遗传算法和数值模型结合的全局优化方法，并应用于马西右岸运河（MRBC）项目区渗透系数和补给参数的估算。魏进兵等[9]建立了泄滩滑坡饱和－非饱和渗流有限元计算模型，结合滑坡体地下水位监测资料，采用BP（back propagation）神经网络反演泄滩滑坡各地层渗透系数。崔皓东等[10]利用三维渗流场有限元结合遗传算法，建立二滩高拱坝坝基渗流场反演模型，通过测点水位反演获得了坝基渗透系数。……