随着露天矿开采规模扩张,边坡稳定性问题日益突出.精准预测边坡稳定性并提前防范,对实现露天矿安全高效开采具有重大意义.基于因子分析构建了鲸鱼优化算法卷积神经网络长短期记忆网络(WOA-CNN-LSTM)边坡稳定性预测模型.选取黏聚力、内摩擦角、边坡角、边坡高度、孔隙压力比和容重6个因素作为模型的判别指标,利用因子分析法消除6个指标间的相关性,降低数据维数,提取公因子.将提取的公因子作为WOA-CNN-LSTM 模型的输入,并将该模型应用于边坡工程实例中,验证模型的可靠性.结果表明,利用WOA 算法迭代更新寻找最优网络参数原理,对CNN-LSTM 网络进行优化,可有效克服CNN-LSTM 模型易陷入局部最优解、梯度下降影响边坡稳定性预测精度的问题,提高了模型的预测精度和泛化能力,同时为边坡稳定性预测提供了一种新思路.