대규모 수력발전소 저수지의 호안 사면은 복잡한 지질 조건의 영향을 크게 받으며, 전통적인 프리스트레스 앵커 보강 설계는 토양 강도 매개변수의 불확실성을 대체로 무시하고, 극한 평형법은 복잡한 지질 환경에 효과적으로 대응하기 어렵기 때문에 분석 결과의 신뢰성이 부족하고 계산 효율이 낮습니다. 이러한 문제를 해결하기 위해 능동학습 지원 벡터 머신(AL‑SVM)과 강도 저감법을 결합한 효율적 신뢰도 분석 방법이 제안되었습니다: 지원 벡터 머신은 전통적인 시간이 많이 소요되는 강도 저감 과정을 대체하여 사면 불안정 기준을 효율적으로 근사하며 빠른 신뢰도 평가를 구현합니다; 능동학습 알고리즘은 반복적으로 결정 경계 근처의 핵심 샘플을 능동적으로 선택하여 지원 벡터 머신 훈련에 필요한 계산 비용을 크게 감소시킵니다. 양허커우 수력발전소 저수지 사면을 실례로 검증한 결과, 제안한 방법은 전통적인 몬테카를로 방법에 비해 계산 효율이 약 98% 향상되었으며 높은 정확도를 가지며, 보강 매개변수 변화가 사면 실패 확률에 미치는 영향을 정량적으로 밝혀낼 수 있었습니다. 이 방법은 복잡한 지질 조건에서 프리스트레스 앵커 사면 보강 설계의 신뢰도 분석 효율과 정밀도를 크게 향상시키며, 복잡한 작업 조건에서의 신뢰도 분석 문제를 혁신적으로 해결합니다.

프리스트레스 앵커 보강 사면;신뢰도;지원 벡터 머신;능동학습;양허커우 수력발전소