El problema de la invalidación de los oleoductos de relleno se ha convertido en un cuello de botella que restringe la aplicación y el desarrollo de la tecnología de relleno. Este estudio aplicó el algoritmo de optimización de ballenas y el bosque aleatorio (WOA-RF) para predecir el riesgo de invalidación de los oleoductos de relleno basado en 59 conjuntos de datos de minas reales. Ocho factores influyentes del riesgo de invalidación de los oleoductos de relleno fueron elegidos como los parámetros de entrada del modelo WOA-RF, y el nivel de riesgo fue seleccionado como los parámetros de salida del modelo WOA-RF. Además, se establecieron modelos de bosque aleatorio, árbol de decisión, red neuronal artificial, vecino más cercano, y máquina de vectores de soporte de acuerdo con los conjuntos de datos recopilados. El rendimiento de predicción de los seis modelos de clasificación fue comparado. Los resultados evaluados mostraron que el modelo híbrido WOA-RF establecido tiene el mejor rendimiento de predicción y la mayor precisión (0.917) en comparación con otros modelos, con el valor kappa más alto (0.8846) y el valor de MCC (0.8932). Además, el análisis de sensibilidad realizado mostró que la tasa de desviación es el factor influyente más importante, seguido por el diámetro interno del oleoducto. Finalmente, el modelo híbrido WOA-RF se utilizó para predecir el nivel de riesgo de falla de los oleoductos de relleno de nueve minas reales en Sichuan, China. Los conjuntos de datos de campo fueron recopilados a través de una investigación de campo, y se realizó una verificación de ingeniería. Los resultados de la investigación muestran que el modelo híbrido WOA-RF es razonable y efectivo para el riesgo de invalidación de los oleoductos de relleno, y puede proporcionar una solución novedosa para la invalidación de los oleoductos de relleno, con una buena practicidad ingenieril.