秦驰越 张文兴2

（1.包头铁道职业技术学院机械工程系，内蒙古包头，014060；2.北京科技大学机械工程学院，北京，100083）

排土场边坡是露天矿的一个组成部分，由破碎的覆盖层岩石材料组成。但随着作业深度的不断增加，排土场的陡度也随之增加，对工作环境造成了不稳定性威胁，可能导致矿山在人员、机械和材料方面的巨大损失［1-3］。因此，排土场边坡稳定性分析是非常重要的，有助于实现最有利的排土场边坡剖面设计。

排土场边坡稳定性分析方法大多采用安全系数FS作为评估边坡稳定性的指标［4］。极限平衡法是评估边坡FS的一种传统方法［5］，也是应用最为广泛的一种方法，但需要附加一定的假设和限制，导致准确度不高。目前，数值模拟已成为有效解决复杂边坡稳定问题的主流方法。许多研究者采用有限元方法对排土场边坡进行稳定性分析。例如，杨幼清等［6］采用二维有限元法模拟分析了5种不同工况下排土场边坡变形模式，准确性较高。但是，有限元方法需要利用多种岩土参数，如单位重量、黏聚力、内摩擦角等，并设定边界条件和荷载条件来模拟稳定性问题，因此实现过程较为复杂，且不具备可预测性，无法满足排土场剖面初期设计需求。

近年来，各种机器学习工具［7］层出不穷并成功应用于多个边坡工程项目，获得了较好的预测效果。例如，谢振华等［8］提出了基于BP神经网络的矿山排土场滑坡预警模型。人工神经网络（ANN）［9-10］和多元回归分析（MRA）［11-12］作为机器学习的2种经典模型，在解决各种预测问题中得到了广泛的应用。……