Les talus des rives des grands réservoirs hydroélectriques sont fortement affectés par des conditions géologiques complexes. La conception traditionnelle du renforcement par ancrages précontraints néglige généralement l’incertitude des paramètres de résistance du sol, et la méthode d’équilibre limite a du mal à gérer efficacement les environnements géologiques complexes, ce qui conduit à des résultats d’analyse peu fiables et une faible efficacité de calcul. Pour résoudre ces problèmes, une méthode d’analyse de fiabilité efficace combinant une machine à vecteurs de support à apprentissage actif (AL‑SVM) et la méthode de réduction de la résistance est proposée : la machine à vecteurs de support peut approximer efficacement le critère d’instabilité du talus, remplaçant le processus traditionnel de réduction de la résistance chronophage, réalisant ainsi une évaluation rapide de la fiabilité ; l’algorithme d’apprentissage actif sélectionne de manière itérative et proactive les échantillons clés proches de la frontière de décision, réduisant considérablement le coût de formation de la machine à vecteurs de support. La méthode proposée a été vérifiée sur le talus du réservoir de la centrale hydroélectrique de Lianghekou, où l’efficacité de calcul a été améliorée d’environ 98 % par rapport à la méthode classique de Monte Carlo, avec une grande précision, permettant de révéler quantitativement l’influence des variations des paramètres de renforcement sur la probabilité de défaillance du talus. Cette méthode améliore significativement l’efficacité et la précision de l’analyse de fiabilité de la conception de renforcement des talus par ancrages précontraints dans des conditions géologiques complexes, et résout de manière innovante les problèmes d’analyse de fiabilité en conditions opérationnelles complexes.

renforcement des talus par ancrages précontraints;fiabilité;machine à vecteurs de support;apprentissage actif;centrale hydroélectrique de Lianghekou