基于RF-GA-SVM模型的铁路边坡危岩稳定性智能分类研究
佑任杰1，牌立芳1，李爱春1*，王引生2，廖小平2，熊治文2，李永强3，吴红刚3，张 宇1，马雅清1，杨海玉1
(1. 兰州交通大学 土木工程学院，甘肃 兰州 730070; 2. 中铁科学研究院集团有限公司，四川 成都 610032; 3. 中铁西北科学研究院有限公司，甘肃 兰州 730000)
摘 要： 在铁路建设与运维过程中，危岩治理是边坡地质灾害防控的核心问题。为实现对铁路边坡危岩稳定性等级的高效、精准分类，提升沿线防护措施的科学性，提出了一种融合随机森林(RF)、遗传算法(GA)与支持向量机(SVM)的RF-GA-SVM智能分类模型。依托沪昆铁路马嘎—梅花山段开展实例验证，系统评估该模型的分类精度与性能优势。主要结论包括：1)综合考虑边坡危岩状况、岩体结构特征和水文地质条件3方面，构建包含14个二级指标的铁路边坡危岩稳定性评价指标体系，并将危岩稳定性等级划分为4级(极稳定、稳定、较不稳定和不稳定);2)与传统SVM、GA-SVM、RF-SVM模型对比可知，RF-GA-SVM模型在分类准确率、最小均方误差和收敛效率等方面均取得最优表现;3)选取该路段60组典型危岩样本进行测试，结果显示该模型可准确分类危岩稳定性等级，分类结果与工程现场勘察结果基本一致，验证了其在复杂地质环境中的准确性和优越性。
关键词： 铁路危岩; 遗传算法; 支持向量机; 稳定性分类
基金项目： 中国中铁股份有限公司科技研究开发计划(2022-重大专项-07);甘肃省企业研发机构能力建设专项(23CXJA0011);兰州交通大学“天佑青年托举人才计划”基金项目(1520260423)
引文格式： 佑任杰，牌立芳，李爱春，等. 基于RF-GA-SVM模型的铁路边坡危岩稳定性智能分类研究[J]. 市政技术，2026，44(6)：60-68. (YOU R J， PAI L F，LI A C，et al. Intelligent classification of railway slope rockfall stability based on RF-GA-SVM model[J]. Journal of municipal technology，2026，44(6)：60-68.)