Обзор статьи

Оценка устойчивости оползневого склона как решение задач регрессии и классификации с использованием машинного обучения

УДК: 

624.13:004.85: 631.6

DOI: 

10.23968/1999-5571-2026-23-3-76-86

Страницы: 

76-86

Аннотация: 

Цель исследования - разработка программы для оперативного анализа устойчивости склона на местности. Для выявления оползневых участков проводится маршрутное (визуальное) обследование без компьютерной техники. Развитие технологий позволяет ставить и решать задачи, для решения которых не было алгоритмов обработки и не хватало вычислительных ресурсов. Рассматривается возможность оценки коэффициента устойчивости склона с использованием интерактивной аналитической панели (дашборда) RShiny. Подход к решению этой задачи основан на получении репрезентативного набора данных с помощью вычислительного эксперимента, реализованного с использованием программного комплекса PLAXIS.

Список цитируемой литературы: 

  1. Кохендерфер М., Уилер Т., Рэй К. Алгоритмы принятия решений / пер. с англ. В. С. Яценкова. М.: ДМК Пресс, 2023. 684 с.

  2. Nayek P. S., Gade M. Artificial neural network- based fully data-driven models for prediction of newmark sliding displacement of slopes // Neural Computing & Applications. 2022. Vol. 34 (11). Pp. 9191-9203.

  3. Yadav D. K., Chattopadhyay S., Tripathy D. P., Mishra P., Singh P. Enhanced slope stability prediction using ensemble machine learning techniques // Scientific Reports. 2025. Vol. 15 (1). 7302.

  4. Lin Sh., Zheng H., Han Ch., Han B., Li W. Evaluation and prediction of slope stability using machine learning approaches // Frontiers of Structural and Civil Engineering. 2021. Vol. 15 (4). Pp. 821-833.

  5. Lei D., Zhang Ya., Lu Zh., Lin H., Fang B., Jiang Zh. Slope Stability Prediction Using Principal Component Analysis and Hybrid Machine Learning Approaches // Applied Sciences (Switzerland). 2024. Vol. 14 (15). 6526.

  6. Mahmoodzadeh A., Mohammadi M., Hawkar Hashim Ibrahim, Krikar M Gharrib Noori, Sazan Nariman Abdulhamid, Hunar Farid Hama Ali. Forecasting sidewall displacement of underground caverns using machine learning techniques // Automation in Construction. 2021. Vol. 123. 103530.

  7. Yang H. Q., Zhang L., Pan Q., Phoon K.-K., Shen Zh. Bayesian estimation of spatially varying soil parameters with spatiotemporal monitoring data // Acta Geotechnica. 2021. Vol. 16 (11). Pp. 263-278.

  8. He X., Xu H., Sabetamal H., Sheng D. Machine learning aided stochastic reliability analysis of spatially variable slopes // Computers and Geotechnics. 2020. Vol. 126. 103711.

  9. Wei X., Zhang Lulu, Yang H. Q., Zhang Limin, Yao Ya.-P. Machine learning for pore-water pressure time-series prediction: Application of recurrent neural networks // Geoscience Frontiers. 2021. Vol. 12 (1). Pp. 453-467.

  10. Yuan Ch., Moayedi H. Evaluation and comparison of the advanced metaheuristic and conventional machine learning methods for the prediction of landslide occurrence // Engineering with Computers. 2020. Vol. 36 (4). Pp. 1801-1811.

  11. Yang Yu., Zhou W., Jiskani I. M., Lu X., Wang Zh., Luan B. Slope Stability Prediction Method Based on Intelligent Optimization and Machine Learning Algorithms // Sustainability. 2023. Vol. 15 (2). 1169.

  12. Meng J., Mattsson H., Laue J. Three-dimensional slope stability predictions using artificial neural networks // International Journal for Numerical and Analytical Methods in Geomechanics. 2021. Vol. 45 (13). Pp. 1988-2000.

  13. Xu H., He X., Shan F., Niu G., Sheng D. Machine Learning in the Stochastic Analysis of Slope Stability: A State-of-the-Art Review // Modelling. 2023. Vol. 4 (4). Pp. 426-453.

  14. Tun S. H., Zeng Ch., Jamil F. Prediction of slope stability based on five machine learning techniques approaches: a comparative study // Multiscale and Multidisciplinary Modeling, Experiments and Design. 2025. Vol. 8 (5). 224.

  15. Mahmoodzadeh A., Mohammadi M., Hunar Farid Hama Ali, Hawkar Hashim Ibrahim, Sazan Nariman Abdulhamid, Nejati H. Prediction of safety factors for slope stability: comparison of machine learning techniques // Natural Hazards. 2022. Vol. 111 (3). Pp. 1771-1799.

  16. Маций С. И., Маций В. С. Инженерная защита объектов от склоновых процессов. Краснодар: КубГАУ, 2023. 520 с.

  17. Ламердонов З. Г., Хаширова Т. Ю., Жирикова И. А. Способы расчета и усиления проволочных анкерных систем, устройства для их установки // Мелиорация и гидротехника. 2025. Т. 15, № 1. С. 232-245.

  18. Ламердонов З. Г., Жирикова И. А., Хаширова Т. Ю. Экспериментальные исследования комбинированных анкеров и варианты их практического применения // Природообустройство. 2024. № 2. С. 63-68.

  19. Маций С. И., Кацко Д. И. Вероятностные расчеты устойчивости оползневого склона // Геориск. 2021. Т. 15, № 3. С. 8-22.

  20. Калинин Э. В., Кропоткин М. П. Методы расчета устойчивости склонов и откосов: российские подходы в сопоставлении с мировыми тенденциями // Инженерная геология. 2022. Т. XVII, № 4. С. 22-38.

  21. Уикхем Х. Изучаем Shiny / пер. с англ. А. Ю. Гинько. М.: ДМК Пресс, 2022. 374 с.

Ключевые слова: 

Полный текст (файл): 

PDF

Авторы: 

Кацко Д. И. Кубанский государственный аграрный университет им. И. Т. Трубилина Краснодар, Россия

Кузнецов Е. В. Кубанский государственный аграрный университет им. И. Т. Трубилина Краснодар, Россия

Другие статьи авторов: 

Ссылка на статью в НЭБ: 

https://elibrary.ru/item.asp?id=91912554

Выпуск журнала

№ 3 (116) Июнь 2026