基于SSA-Adam-BP神经网络模型的堰塞坝稳定性预测

现有的堰塞坝稳定性预测模型大多是线性模型，不能充分考虑堰塞坝的稳定性与其形态特征和水条件之间复杂的非线性关系。鉴于此，将反向传播神经网络模型与樽海鞘优化算法相结合，提出了一种新的堰塞坝稳定性预测模型SSA Adam BP。该模型通过网格搜索法选择超参数的最佳组合来确定模型的结构，然后通过交叉验证和ROC曲线映射对不同优化算法的模型进行评估。以开源数据库153座堰塞坝为例，对模型的实际应用进行了说明和验证。与传统线性模型的比较表明，神经网络模型具有较高的预测精度和较低的假阳性率。SSA和Adam优化算法的结合提高了BP模型的全局搜索能力，其平均交叉验证准确率达到91.73%。它可以使用较少的参数来快速准确地预测堰塞坝的稳定性。SSA-Adam-BP模型能准确预测近年来典型工程的稳定性，具有一定的实用性和系统平台推广应用价值。