本项目主要针对黄金峡左岸高边坡的开挖、变形及水库蓄水影响，通过大数据分析建立边坡安全系数预测方法；使用地质雷达对黄金峡左岸高边坡坡体开展无损检测，探明边坡内的破碎带、软弱结构面等，在此基础上建立精细化有限元模型，通过数值仿真定性、定量解释黄金峡左岸高边坡失稳机理，并预测了蓄水后边坡变形的发展情况，对于边坡的变形监控具有非常重要的参考意义；此外，通过引入R-CNN、LSTM等先进的智能算法，实现了地质雷达图像的智能识别和边坡变形的精确预测。

（1）采用Sobol方法对边坡稳定影响因素进行敏感性分析，提出基于混合核HS-RVM的边坡安全系数预测方法；通过类似边坡工程实例和黄金峡左岸高边坡典型断面计算证明了HS-RVM模型的精度和适用性，可用于边坡的初步稳定性分析。

（2）引入R-CNN目标检测算法，完成了高边坡病害目标检测模型的训练和测试。结果表明，所构建的高边坡病害识别目标检测模型的平均准确率在90%以上。

（3）建立赋存环境变化情况下与考虑多场动态耦合的库岸高边坡变形稳定精细化有限元数值仿真模型，定性、定量解释了黄金峡左岸高边坡的失稳机理，并通过数值仿真预测了水库蓄水后边坡变形的发展情况，对于水库蓄水后左岸高边坡的变形监控具有重要指导意义。

（4）将动态神经网络、深度学习LSTM理论引入到边坡安全监控领域，建立了基于深度学习的边坡变形预测模型，具有较高的拟合和预测精度，并且兼有较强的外延性和泛化性，对工程的实际应用具有一定指导意义。