基于BWOA-SVM的尾矿库风险评价.pdf

Series No.570December 2023 金 属 矿 山METAL MINE 总 第570 期2023 年第 12 期收稿日期 2023-06-09基金项目“十四五”国家重点研发计划项目(编号:2021YFC3001300)。作者简介 荀 曦(1999),女,硕士研究生。通信作者 郑 欣(1978),女,副教授,博士,硕士研究生导师基于 BWOA-SVM 的尾矿库风险评价荀 曦1 郑 欣1 于雁武2 许开立1(1.东北大学资源与土木工程学院,辽宁 沈阳 110819;2.中北大学环境与安全工程学院,山西 太原 030051)摘 要 为及时掌握尾矿库风险状态,降低尾矿库溃坝造成的人员伤亡、财产损失和环境污染,建立尾矿库风险评价模型具有十分重要的现实意义。首先,构建尾矿库风险等级评价指标体系,确定指标分级标准;其次,利用博弈论将层次分析法和熵值法结合起来确定指标组合权重;再次,利用 rand()函数生成伪随机数作为模型训练数据库,将权重与训练数据对应组合,建立物元可拓模型计算尾矿库所属风险等级;最后构建 BWOA-SVM(改进鲸鱼算法(BWOA)优化的支持向量机(SVM)模型)模型对风险等级预测,对该模型进行训练,得到模型预测准确率为 98%,与传统 SVM相比提升了 44.9%。采用山西东沟尾矿库数据验证模型的可行性,将尾矿库数据输入训练好的模型中得到该尾矿库等级为级,与实际情况相同,验证了所提方法的可行性,通过该方法可以确定尾矿库的风险等级,从而为尾矿库风险分级管理提供依据。关键词 尾矿库 风险评价 物元可拓 伪随机数 BWOA-SVM 中图分类号TD926 文献标志码A 文章编号1001-1250(2023)-12-211-09DOI 10.19614/ki.jsks.202312032Risk Assessment of Tailings Reservoir Based on BWOA-SVMXUN Xi1 ZHENG Xin1 YU Yanwu2 XU Kaili1(1.School of Resources and Civil Engineering,Northeastern University,Shenyang 110819,China;2.School of Environmental and Safety Engineering,North Central University,Taiyuan 030051,China)Abstract In order to grasp the risk status of tailings pond timely and reduce the casualties,property losses and environ-mental pollution caused by tailings pond dam break,it is of great practical significance to establish a tailings pond risk assess-ment model.Firstly,the risk grade evaluation index system of tailings pond is constructed,and the index grading standard is de-termined.Secondly,game theory is used to combine the analytic hierarchy process and entropy method to determine the index combination weight.Once more,rand()function is used to generate pseudorandom number as the model training database.Weight and training data are combined to establish matter-element extension model to calculate the risk level of tailings pond.Finally,a BWOA-SVM(improved whale algorithm(BWOA)optimized support vector machine(SVM)model)model was constructed to predict the risk level.The model was trained,and the prediction accuracy of the model was 98%,which was 44.9%higher than that of the traditional SVM.The feasibility of the model is verified by the data of a tailings pond in Shanxi Province.The data of the tailings pond is input into the trained model,and the grade of the tailings pond is,which is the same with the actual situation,which verifies the feasibility of the proposed method.The risk grade of the tailings pond can be determined by this method,and provides a basis for the risk classification management of the tailings pond.Keywords tailings reservoir,risk assessment,matter element extension,pseudo-random number,BWOA-SVM 经过选矿厂选出有价值的精矿后剩余的废渣,称作尾矿1,这些尾矿堆存起来形成了尾矿库。尾矿库是矿山企业最大的危险源2,工业发展的同时,尾矿库数量日益增加,坝体也越来越高,严重威胁着企业和周围居民的生命财产安全;尾矿库同时也是最大的污染源,尾矿库溃坝后大量的尾矿流入河流,造成土壤和水等环境污染,治理费用高,生态恢复困难。尾矿库一旦发生溃坝将会造成难以逆转的生态破坏和无法估计的财产损失。2022 年 3 月 27 日山西省吕梁市的山西道尔铝业有限公司一尾矿库发生溃坝事故,致 7.5 亩乔木林地掩埋,200 余米季节性沟渠、乡村道路堵塞,相邻企业部分围墙冲毁。故需要对尾112矿库进行定期风险评价,及时掌握尾矿库风险状态,才能采取应对措施。随着信息时代的到来,人们开始借助于机器学习算法进行风险分级评价,机器学习中的分类算法,能学习已有数据分类规则对新输入的数据进行分类,得到了广泛使用。目前,很多专家学者利用机器学习算法进行尾矿库风险评价,并取得了一定成果3-7。基于机器学习的风险评价类文章中构建的尾矿库风险评价指标体系中的评价指标大多为可监测的指标,很少考虑非监测类的管理指标,由此评价得到的尾矿库风险等级极易与现实存在差异;为保障模型的精度,需要足量的数据对模型进行训练,尾矿库数据受到技术、成本等的限制,获取完整数据较为困难。基于此,本研究从事故统计和管理方面对尾矿库综合分析,全面构建指标体系;针对尾矿库指标体系中的指标数据难获取、成本高的问题,本研究根据现有的尾矿库等级比例,采用加权 RAND()函数生成随机数值作为尾矿库风险评估的训练数据库。对生成的样本数据采用博弈论法组合层次分析法(AHP)和熵值法确定评价指标权重,构建加权物元模型评估尾矿库风险等级。采用改进鲸鱼算法(BWOA)优化SVM 对 尾 矿 库 风 险 等 级 进 行 预 测。鲸 鱼 算 法(WOA)提高模型分类准确性的同时改进 SVM 过拟合的问题。此时尾矿库风险评价模型已经构建完成,将实际尾矿库数据输入构建好的模型中,即可得到对应的风险等级,本文采用山西东沟尾矿库实际数据验证模型。研究流程图见图 1。图 1 研究流程Fig.1 Research flow1 构建风险等级评价指标体系尾矿库自身常见的危害类型有:洪水漫顶、坝体失稳、渗透破坏、结构破坏4 种8,同时尾矿库的安全性还受到管理因素的影响。通过尾矿库的事故统计和分析的结果,选取指标构建尾矿库风险评价指标体系,见图 2。图 2 尾矿库风险等级评价指标体系Fig.2 Risk level evaluation index system of tailings pond 尾矿库分为正常库、病库、险库、危库 4 个等级,因此将尾矿库风险评价指标也分成 4 个级别,并结合现有标准资料和尾矿库基础数据库,制定了尾矿库风险评价指标的分级标准,见表 1。2 确定指标权重本研究以博弈论为基础,将层次分析法和熵值法相结合,从主、客观两个方面确定评价指标权重,既考虑了评价指标内部关系,又考虑了数据量本身对权重212总第 570 期 金 属 矿 山 2023 年第 12 期表 1 尾矿库评价指标分级标准Table 1 Classification standard of tailings pond evaluation index评价指标级级级级C11/m1.50.71.50.50.700.5C12/m02.510-22.510-2510-2510-20.10.1C13/%8010060804060040C14/a 一遇50010050050100050C21/m510-4410-4510-4210-4410-40210-4C22/kPa0510351037.81037.81039.81039.8103C23/()409034403034030C24/%5.03.05.01.03.001.0C25/()020204040606090C31/m8.06.58.05.06.505.0C32/m1.51.21.50.51.200.5C33/m100701005070050C34/%8010060804060040C35/(m/s)110-4110-6110-4110-7110-60110-7C36/(kg/m3)21031.610321031.41031.610301.4103C37/个0335588C41/级8.012.06.58.05.06.505.0C42/%8010060804060040C43无肉眼可见横向裂缝存在肉眼可见裂缝数小于 3条,且主纵向裂缝宽度小于 10 cm,深度小于 0.5 m肉眼可见裂缝数小于 8条,且主纵向裂缝宽度小于 20 cm,深度小于 1 m肉眼可见裂缝数大于 8条,或主横向裂缝为贯穿性裂缝,有诱发尾矿坝整体或者局部坍塌的危险C44无肉眼可见纵向裂缝存在肉眼可见裂缝数小于 3条,且主纵向裂缝宽度小于 10 cm,深度小于 0.5 m肉眼可见裂缝数小于 8条,且主纵向裂缝宽度小于 20 cm,深度小于 1 m肉眼可见裂缝数大于 8条,或主纵向裂缝为贯穿性裂缝,有诱发尾矿坝整体或者局部坍塌的危险C51应急救援预案完整全面,应急救援人员分工明确,救援物资、设备准备充分,定期进行应急救援演练有应急救援预案、物资设备和人员,但是不够全面,偶尔进行应急救援演练应急救援预案只停留在书面上,从未进行演练无应急救援预案C52/%3510025351025010C53定期培训,考察合格人数80%定期培训,考察合格人数50%培训次数较少从未进行培训C54人员组织合理,从业人员具有相关资质,分工明确少数从业人员不具有相关资质从业人员数量较少无安全管理机构C55均有且记录全面记录不全,但满足基本安全生产需要缺少隐患排查、隐蔽性工程档案无记录C56监测点全面,设置坝体沉降,位移观测设施,浸润线观测设施监测点失效数4%监测点失效数4%没有进行监测C573 a 进行至少一次安全现状评价,按规进行坝体稳定性评估35 a 进行一次安全现状评价,按规进行坝体稳定性评估5 10 a 进行一次安全现状评价,按规进行坝体稳定性评估无的影响。2.1 层次分析法层次分析法是由美国运筹学家 T.L.Saaty 教授于上世纪 70 年代初期提出的评价方法9,其在赋权得到权重向量的时候,主观因素占比很大。通过两两比较指标重要性,对重要程度按 1 9312 荀 曦等:基于 BWOA-SVM 的尾矿库风险评价 2023 年第 12 期赋值构建判断矩阵,计算判断矩阵特征向量、特征值,选取最大特征值,将对应特征向量归一化作为权重,最后进行一致性检验,一致性检验通过说明判断矩阵没有逻辑错误。2.2 熵值法在信息论中,熵是对不确定性或随机性的一种度量,不确定性越大,熵值就越大,数据越离散,则包含的信息就越大,在确定权重的时候往往就越小。熵值法确定权重步骤10如下:(1)应用最大最小标准化方法对数据进行标准化操作。(2)确定各指标的信息熵:Ej=-1lnnni=1pijlnpij,式中,n 为数据量;pij=xijni=1xij,若 Pij=0 则 limpij0pijlnpij=0。(3)确定权重:wj=1-Ejm-Ej,式中,m 为指标数量。2.3 博弈论组合赋权博弈论的基本思想是在不同方法的权重之间寻求一致或妥协11,即将层次分析法确定的主观权重W1=(w11,w12,w1j)和熵值法确定的客观权重 W2=(w21,w22,w2j)与组合权重之间的偏差和最小。其实现步骤如下:(1)W1和 W2确定的组合权重 W 线性表达式为W=1W1+2W2.(2)寻求最优的 1、2,使得偏差最小,目标函数为min(W-W1+W-W2)=min(1W1+2W2-W1+1W1+2W2-W2).(3)根据微积分原理,取得最小值的求导条件为1W1WT1+2W1WT2=W1WT11W2WT1+2W2WT2=W2WT2.(4)对求得的系数 1、2进行归一化处理。1=11+22=21+2.(5)最优组合权重为W1=1W1+2W2.3 尾矿库风险等级综合评价本文采用加权物元模型确定尾矿库对应的综合风险等级。3.1 物元可拓模型、物元可拓模型基于可拓学理论,将多指标决策问题转变为单指标决策,定量得出评价结果。前文中介绍的尾矿库风险评价指标记为评价因子 cn(n=1,2,27),制定的尾矿库风险等级标准记为 N,评价因子对应的数据记为 xn(n=1,2,27)。物元可拓模型实现步骤12如下。3.1.1 建立物元可拓模型指标物元模型最重要的 3 个指标叫做经典域、节域和待评物元。(1)经典域。经典域 R0表示给定尾矿库风险评价等级 Nj(j=1,2,3,4)时,xn对应于 cn的取值范围:R0=NN1Nmcivi1vim=NN1Nmc1a11,b11()a1m,b1m()c2a21,b21()a2m,b2m()cnan1,bn1()anm,bnm(),式中,Nn表示尾矿库风险评价等级,m=1,2,3,4;cn表示评价指标;vij=(aij,bij)表示评价指标 cn对应评价等级的取值区间,i、j=1,2,27。(2)节域。对于 4 种尾矿库风险等级 N,xn对应于 cn的所有取值区间叫节域,尾矿库风险评价的节域 Rp表示为Rp=N,c,vp()=Nc1v1pc2v2pcnvnp =Nc1a1p,b1p()c2a2p,b2p()cnanp,bnp().(3)待评物元。将待评尾矿库的 R 中 N 和 xi分别用确定的等级和实际数据表示出来即得到尾矿库风险的待评物元,记作:Rk=Nc1x1c2x2cnxn .412总第 570 期 金 属 矿 山 2023 年第 12 期3.1.2 计算关联系数及关联度待评物元 Rk关于尾矿库风险等级 Nm的综合关联度为KjNj()=iWiKivik(),式中,Wi是博弈论综合 AHP 和熵值法得出的权重(i=1,2,27);Kj(Nj)表示各评价指标关于等级 j的关联度;Kj(vjk)表示各评价指标关于等级 j 的单指标关联度。其中:Kjvkj()=vik,vij()vik,vpi()-vik,vij(),vik,vpi()-vik,vij()0(vik,vij)vij,vik,vpi()-vik,vij()=0,v,a,b()=v-12a+b()-12b-a(),式中,b、a 分别为评价指标区间的上下限。3.2 尾矿库风险等级评价模型构建依托 matlab,编写尾矿库风险等级物元可拓评价模型代码,借助编程来快速实现尾矿库风险等级综合评价。4 尾矿库风险等级预测4.1 随机过采样运用物元可拓模型得出的尾矿库等级比例存在严重不均衡的问题,直接送入分类模型中进行验证会出现总体分类准确率高但某类等级准确率严重偏低的问题,因此需要对分类结果进行均衡化处理后再送入分类模型中,本文使用随机过采样的方法进行处理,该算法将少数样本随机复制达到样本平衡13。4.2 WOA 算法WOA 算法是澳洲格里菲斯大学的教授 Mitjalili等人通过观察澳洲座头鲸特殊的捕食活动于 2016 年提出的一种仿生启发式优化算法。相比于其他优化算法如 PSO 粒子群算法、GA 遗传算法等,该算法具有计算步骤简单、原理简单、可调参数少的优点14。该算法实现步骤15如下:(1)包围收缩。鲸鱼识别猎物位置并将其包围,数学模型为D=HXt()-X t(),X t+1()=Xt()-AD,A=2ar1-a,H=2r2,式中,t 为迭代次数;X(t)为目前为止鲸鱼最有利位置;X(t)为当前鲸鱼位置;r1、r2取值范围为0,1;a值从 2 到 0 线性递减。(2)螺旋更新。座头鲸根据猎物位置螺旋式更新位置,数学表达式为D=Xt()-X t(),X t+1()=Deblcos 2l()+Xt(),式中,b 为决定螺旋形状的常数;l-1,1。(3)随机搜索。当|A|1 时,鲸鱼根据同类位置随机搜索,表达式为D=HXrandt()-X t(),X t+1()=Xrandt()-AD,式中,Xrand(t)为随机选取的同类位置。4.3 BWOA 算法WOA 算法同 PSO 粒子群优化算法、GA 遗传算法一样具有局部收敛、收敛速度慢等缺点16,因此本研究采用混沌映射初始化种群和自适应调整搜索策略的方法对其进行优化,将优化后的算法记为 BWOA算法。(1)混沌初始化策略。传统算法使用随机方法初始化种群,不同映射方法使得种群空间分布不同,将直接影响算法性能。混沌映射具有遍历性、周期性和初值敏感性等特点17,作为随机数生成器对优化算法进行改进,在随机数生成方面具有很好的结果。本研究采用 Chebyshev 映射初始化种群,其迭代公式如下:xk+1=cos acos-1xk()(),式中,a 为 Chebyshev 的分形参数,a0,5。(2)自适应调整搜索策略。为防止算法出现局部最优的问题,在搜索阶段,根据概率阈值 Q 调整变量值18,数学表达式为Q=0.5 1-ttmax(),式中,t 表示迭代次数;tmax为最大迭代次数。任取q0,1,当 q80%,建立了较为健全的安全管理机构,各级岗位责任较明确,制度和规程健全,安全记录资料较齐全,有隐蔽性工程档案、安全检查档案和隐患排查治理档案,有监测设施,但不全面,缺少水位监测设施,每 3 年开展一次安全评价工作22。将这些数据代入训练好的 BWOA-SVM 模型中,输出该尾矿库等级为级(病库),该尾矿库属于带病运行的尾矿库,与实际情况相符。6 结 论(1)本文建立的风险评价指标体系既考虑了浸润线、坝体位移、干滩长度等监测指标,又考虑了非监测类的管理类指标,同时给出了各指标风险分级评价的标准。(2)采用机器学习方法需要大量数据构建模型,以随机模拟法生成数值用于模型训练解决了尾矿库评价数据难以获取、样本量少的问题。(3)采用博弈论法将层次分析法和熵值法结合起来确定指标权重,既考虑了评价指标间关系对权重712 荀 曦等:基于 BWOA-SVM 的尾矿库风险评价 2023 年第 12 期的影响也考虑了数据量本身的影响,使权重确定更加科学合理。(4)以我国尾矿库中正常库、病库、险库、危库实际比例为依据,采用加权 RAND()函数生成数据,比按照均分的方式生成的实验数据更加贴近实际和准确。(5)采用物元可拓模型确定风险等级,利用BWOA 算法优化 SVM 对风险等级进行预测,克服了传统 SVM 预测精度低、容易过拟合的问题,预测准确率、精确值、召回率、F1、AUC 分别为 0.98、0.98、0.98、0.98、0.99,总体的准确率提升了 44.9%,4 个等级上的分类效果同时优于 SVM 算法,模型可以应用到尾矿库风险评价中,为企业和安监部门监管提供科学依据。参 考 文 献1 何旭创,莫剑生.尾矿干堆技术在九谋锡矿中的应用J.大众科技,2014,16(9):111-113.HE Xuchuang,MO Jiansheng.Dry stacked technology application in nine for tin J.Popular Science and Technology,2014,16(9):111-113.2 郝喆,陈红丹,张颖,等.降雨-蒸发-蒸腾耦合作用下的中小型尾矿库重金属+迁移规律研究J.安全与环境学报,2022,22(1):467-475.HAO Zhe,CHEN Hongdan,ZHANG Ying,et al.Preparation of mag-netic calciumalginate gel ball and its adsorption to methylene blue J.Journal of Safety and Environment,2022,22(1):467-475.3 秦驰越,张文兴.基于机器学习的露天矿排土场边坡稳定性预测J.金属矿山,2021(8):164-169.QIN Chiyue,ZHANG Wenxing.Prediction of slope stability of open-pit mine dump based on machine learning J.Metal Mine,2021(8):164-169.4ZHAO H.Slope reliability analysis using a support vector machineJ.Computers and Geotechnics.2008,35(3):459-467.5 李小军,梅国栋,苏军,等.灰色理论模型在尾矿库浸润线监测预测的应用J.中国矿业,2021,30(S1):130-133.LI Xiaojun,MEI Guodong,SU Jun,et al.Application of grey theory model in monitoring and prediction of tailings pond infiltration lineJ.China Mining Magazine,2021,30(S1):130-133.6 孙平定,蔡润,谢成阳,等.基于遗传优化神经网络的边坡稳定性评价J.现代电子技术,2019,42(5):75-78.SUN Pingding,CAI Run,XIE Chengyang,et al.Slope stability evalu-ation based on genetic optimization neural network J.Modern E-lectronic Technology,2019,42(5):75-78.7 崔旭阳,叶义成,胡南燕,等.基于贝叶斯网络的尾矿库溃坝风险动态评价J.化工矿物与加工,2022(10):1-8.CUI Xuyang,YE Yicheng,HU Nanyan,et al.Dynamic risk evalua-tion of tailings dam failure based on Bayesian networkJ.Industrial Minerals&Processing,2022(10):1-8.8 陈聪聪,赵怡晴,姜琳婧,等.基于文本挖掘的尾矿库隐患因素关联分析J.矿业研究与开发,2021,41(11):26-33.CHEN Congcong,ZHAO Yiqing,JIANG Linjing,et al.Correlation a-nalysis on the hidden risk factors of tailings pond based on text min-ingJ.Mining Research&Development,2021,41(11):26-33.9 祁云,汪伟,刘娇,等.基于组合赋权 SPA 的采空区围岩稳定性研究J.金属矿山,2022(12):23-29.QI Yun,WANG Wei,LIU Jiao,et al.Improved combination weight coupled SPA evaluation model of goaf surrounding rock stability J.Metal Mine,2022(12):23-29.10 严雅静,顾水杰,于祥,等.基于未确知测度理论的巷道围岩稳定性研究J.金属矿山,2019(11):20-26.YAN Yajing,GU Shuijie,YU Xiang,et al.Study on surrounding rock stability of roadway based on unascertained measurement theo-ry J.Metal Mine,2019(11):20-26.11 刘恒亮,张钦礼,荣帅.基于博弈论-改进 TOPSIS 的采矿方法优选J.金属矿山,2017(6):8-13.LIU Hengliang,ZHANG Qinli,RONG Shuai.Optimization of min-ing method based on game theory and improved TOPSIS J.Metal Mine,2017(6):8-13.12 任海芝,洪曼绮.台阶爆破效果的熵权物元可拓法综合评价J.金属矿山,2016(1):1-7.REN Haizhi,HONG Manqi.The comprehensive evaluation of bench blasting effect based on the methods of entropy-weight and matter-element extension J.Metal Mine,2016(1):1-7.13 巩珂,王霞.针对不平衡数据的用户画像方法研究J.现代计算机,2021(21):53-58.GONG Ke,WANG Xia.Research on user portrait method for unbal-anced data J.Modern Computer,2021(21):53-58.14 刘鹏,陈天伟,刘晋,等.结合小波变换和 WOA 算法的 GNSS-IR海面高度反演J.无线电工程,2023(4):860-867.LIU Peng,CHEN Tianwei,LIU Jin,et al.GNSS-IR sea level height inversion combining wavelet transform with WOA algorithm J.Radio Engineering,2023(4):860-867.15 李鹏,常思婕.鲸鱼优化算法下气体泄漏源波达方向估计法J.中国安全科学学报,2021,31(3):19-27LI Peng,CHANG Sijie.DOA method of gas leakage source based on WOA J.China Safety Science Journal,2021,31(3):19-27.16 黄啸晨,封化民,刘飚,等.一种基于生物启发特征优化的Adroid 恶意软件检测方法J.计算机应用与软件,2022,39(6):309-341.HUANG Xiaochen,FENG Huamin,LIU Biao,et al.An android malware detection method based on bio-inspired features optimiza-tion J.Computer Applications and Software,2022,39(6):309-341.17 何小龙,张刚,陈跃华,等.融合 Lvy 飞行和精英反向学习的WOA-SVM 多分类算法 J.计算机应用研究,2021,38(12):3640-3645.HE Xiaolong,ZHANG Gang,CHEN Yuehua,et al.Multi-class algo-rithm of WOA-SVM using Lvy flight and elite opposition-based learning J.Application Research of Computer,2021,38(12):3640-3645.18 巩世兵,沈海斌.仿生策略优化的鲸鱼算法研究J.传感器与微系统,2017,36(12):10-12.GONG Shibing,SHEN Haibin.Study of whale algorithm for biomi-812总第 570 期 金 属 矿 山 2023 年第 12 期metic strategy optimization J.Transducer and Microsystems Technologies,2017,36(12):10-12.19 何晓华.爆堆前冲和后冲距离的 GSM/GA-SVM 预测模型J.金属矿山,2020(6):177-183.HE Xiaohua.GSM/GA-SVM prediction model for forward and backward replacement of blasted pile J.Metal Mine,2020(6):177-183.20 谢旭阳,江田汉,王云海,等.基于支持向量机的尾矿库灾害区域预警J.中国安全生产科学技术.2008(4):17-21.XIE Xuyang,JIANG Tianhan,WANG Yunhai,et al.The study on regional alert of tailing reservoir based on support vector machine J.Journal of Safety Science and Technology.2008(4):17-21.21 林加伟.我国尾矿库特点及存在问题的对策研究J.建材与装饰,2016(23):232-233.LIN Jiawei.Countermeasures for the characteristics and existing problems of tailings reservoirs in China J.Construction Materials&Decoration,2016(23):232-233.22 赵怡晴,李仲学,覃璇,等.尾矿库隐患与风险的表征理论及模型M.北京:冶金工业出版社,2016:5-6.ZHAO Yiqing,LI Zhongxue,QIN Xuan,et al.Characterization The-ory and Model of Hidden Danger and Risk of Tailings Pond M.Beijing:Metallurgical Industry Press,2016:5-6.912 荀 曦等:基于 BWOA-SVM 的尾矿库风险评价 2023 年第 12 期