地科學院教師王豔昆副教授以第一作者身份在2區SCI期刊《Bulletin of Engineering Geology and the Environment》發表題為《Step-like displacement prediction of reservoir landslides based on a metaheuristic-optimized KELM: a comparative study》的研究論文。永利6774app手机版官网為論文的第一署名單位，地質（工程）22001班本科生孫新爽為該文第二作者，溫韬副教授為該文通訊作者，本項研究得到國家自然科學基金項目、湖北省自然科學基金項目、西藏自治區科技計劃項目、青海省科技計劃項目和大學生創新創業訓練計劃項目共同資助。

文章采用了八種最先進的元啟發式優化算法來優化KELM，并比較了這些算法在水庫滑坡階躍位移預測中的平均準确性和穩定性，選擇了白水河滑坡、樹坪滑坡和白家包滑坡作為案例。文章提出了一個新的指标，即綜合預測精度準則（CPC），用于評估這些算法的預測性能。結果顯示，不同算法之間的平均預測準确性差異較小，僅約為15%，但預測穩定性的差異卻很大，高達約70%。所有元啟發式優化的KELM模型均具有較高的平均預測準确性，其中馬群優化算法在平均預測準确性和穩定性方面均優于其他算法。研究結果強調了集成預測在減輕單一元啟發式優化機器學習（ML）模型的偶發性和提高其穩定性方面的重要性，并展示了CPC指數在模型比較評估中的公正性。該文章的方法框架可以為未來基于機器學習的滑坡位移預測研究提供參考。

圖1 白水河滑坡、樹坪滑坡、白家包滑坡地理位置

圖2 滑坡累積位移曲線

圖3 白水河滑坡位移預測結果

圖4 白水河滑坡中每種算法的 RMSE、R²和CPC的均值和SD比較

圖5 論文首頁