高位远程古滑坡既有变形特征和后续变形发展规律研究

为准确掌握特殊类滑坡的变形规律,基于滑坡变形监测成果,先通过统计分析掌握其既有变形特征,再利用SOA-MKELM-GRNN模型、M-K检验和Spearman秩次检验分别开展累积变形、变形速率及变形加速度的后续发展特征分析,旨在通过各类变形序列信息的深入挖掘来充分掌握高位远程顺层岩质古滑坡的变形规律。分析结果表明,在既有变形特征分析方面,各监测点的累积变形具有持续增加趋势,最大累积变形量已达205.51 mm;变形速率波动范围较大,且在1.0～2.5 mm/d区间的分布比例略大;加速度序列值则是前期相对较大,后期略小,即该滑坡在监测前期变形加速更强。在滑坡后续变形发展特征分析方面,累积变形仍会进一步增加,但变形程度存在一定差异,即后续变形速率与加速度的发展规律不一致,以C1和C3监测点的后续变形更为不利,后续可侧重于该段的变形监测。     

变质岩区大型高位滑坡的变形监测预报研究北大核心CSCD

以某变质岩区大型高位滑坡变形监测成果为基础,开展既有变形特征分析和变形发展分析。结果表明,CEEMDAN-PSR-KELM-ARIMA模型在滑坡变形预测中具有较强的适用性,所得预测结果的相对误差均值范围为2.00%~2.03%,其方差值也较小,具有较优的预测精度及稳定性;预报等级属于Ⅲ级-橙色预报,为较危险状态;滑坡变形速率具减小趋势,但累积变形仍会进一步增加。     

基于多重分形特征和分项组合预测联合响应的滑坡预警预测研究

为准确掌握滑坡变形发展规律,基于滑坡变形监测成果构建滑坡预警预测模型,即先利用MF-DFA模型开展滑坡变形数据的多重分形特征分析,并进一步利用M-K分析构建双重判据（Δa指标判据和Δf(a)指标判据）进行滑坡预警研究;另外,在利用集成经验模态分解法对滑坡变形数据信息进行分离处理基础上,通过GOA-RNN-CT模型实现滑坡变形的分项组合预测。结果表明,h(q)值随波动函数q值减小而减小,说明滑坡变形数据具有多重分形特征,且预警分级研究表明,滑坡预警等级为Ⅱ级,即滑坡变形趋向不利方向发展;同时,通过变形预测分析认为,分项组合预测在滑坡变形预测中具有较优的预测效果和稳定性,且外推预测结果显示,滑坡变形会继续增加;最后,将多重分形特征研究结果和变形预测分析结果进行联合响应综合得出,滑坡现有预警等级相对不利,且后续变形仍会进一步增加,趋向不稳定方向发展,建议对滑坡采取必要防治措施。     

特大型顺层古滑坡复活变形特征分析及变形预测研究

为有效掌握古滑坡复活特征及其变形规律,基于滑坡区现场调查成果,首先开展其复活变形特征分析,再利用WPT-ROA-RVM-CT模型进行滑坡变形预测研究。结果表明,在强降雨或持续降雨后,滑坡地表裂缝较为发育,具有张剪性质,且滑坡呈明显推移式特征,即滑坡中、后缘变形明显大于前缘,变形方向具有逆时针变化规律,充分说明古滑坡复活变形特征显著。同时,通过变形预测,验证WPT-ROA-RVM-CT模型具有较高的预测精度,并经外推预测,得到滑坡后续变形速率均为正值且较大,判断滑坡后续变形还会进一步增加,具有较大失稳风险,需尽快开展灾害防治研究。     

奉节县曾家棚滑坡时空差异性变形特征与成因机制分析

研究库水位波动和降雨影响下滑坡的位移变形特征并分析其破坏机制，对了解三峡库区滑坡的演化过程具有重要意义。以奉节曾家棚滑坡为例，基于GPS地表监测位移分析了滑坡在不同特征库水位运行阶段的变化规律，结合灰色关联度模型确定了滑坡不同部位的变形在不同阶段的主要控制因素，借助GEO-Studio软件模拟了曾家棚滑坡在历史降雨和库水位波动耦合作用下的稳定性变化，并与定量分析结果进行了交叉检验。结果表明:曾家棚滑坡的运动状态随时间变化，从缓慢蠕变状态进入阶跃变形状态。平面上，中东部坡体与西部坡体相比，运动更加强烈；剖面上，前缘变形早且变形量大。曾家棚滑坡变形失稳过程为初期蓄水启动了曾家棚古滑坡，前缘首先发生变形；降雨作为中后期主控因素，和库水位波动联合作用共同诱发了滑坡多次阶跃变形，使滑坡前中后部形成贯通裂缝；最终由二十年一遇的暴雨诱发滑坡发生整体破坏。      

湖北省阳新县基岩滑坡变形因子及其破坏模式

斜坡变形受众多因子综合控制, 不同因子的敏感性与作用规律在变形过程中差异明显。以湖北省阳新县顺层基岩滑坡为研究对象, 通过正交试验结合离散元数值模拟的方法, 研究多个影响因子对应顺层滑坡变形的敏感性并确立主导因素, 随后基于响应面拟合主导因素与滑坡不同部位变形程度间的量化关系, 揭示主导因素交互作用对滑坡变形破坏模式的影响规律。结果表明, 在研究区内坡度与岩层倾角分别为影响顺层滑坡变形的主导与次主导因素, 滑坡的变形破坏模式受控于二者的交互作用。在中-陡倾顺层滑坡中, 当坡度小于岩层倾角时, 滑坡变形主要集中在坡顶, 且变形程度随岩层倾角的增加而增大, 表现出滑移-弯曲的变形破坏模式; 在缓倾顺层滑坡中, 当坡度大于岩层倾角时, 滑坡坡脚位移较坡顶显著, 其坡脚变形程度随坡度的增加而增大, 以滑移-拉裂变形为主。研究成果可为该类滑坡的防治工作提供参考。      

基于多期无人机影像的滑坡地表竖向变形测量模型试验与工程应用

滑坡地质灾害严重威胁人民生命财产安全,滑坡地表竖向变形测量属于滑坡监测与预警的重要组成部分。近年来,国内外学者开始尝试使用多期无人机影像开展滑坡地表变形监测,然而基于多期无人机影像的滑坡地表竖向变形测量精度研究却相对较少。首先通过大量室外模型试验,对CloudCompare、Global Mapper和PolyWorks三款软件地表竖向变形识别的结果进行了对比和研究;在此基础上,定量分析了三款软件地表竖向变形测量的精度。研究结果表明:当无人机影像分辨率优于3.0cm/像素,三款软件均能识别5.0cm及以上的地表竖向变形;在不同地表竖向变形工况下,Global Mapper地表竖向变形测量结果最为精确与稳定,竖向变形测量的中误差总体上分布于1.5~4.0 cm之间。三款软件地表竖向变形测量的中误差和测量误差的均值及标准差均与地表竖向变形值不呈现明显相关性,同时地表竖向变形量测误差均近似满足正态分布,因此可选取测量误差的95%置信区间对地表竖向变形测量结果进行修正。在此基础之上,运用Global Mapper软件开展了黑方台党川段滑坡地表竖向变形识别与测量应用,结果表明Global Mapper软件能较为准确地识别出滑坡变形区域并圈定其位置。      

基于灰色理论的滑坡变形反演与预测研究

以紫阳县城滑坡为例，采用灰色理论的单序列一阶线性动态模型，在探讨滑坡变形规律的基础上，着重研究了滑坡变形的趋势预测及主要特征点变形的位移反演，为全面研究滑坡各阶段的变形规律提出了一种分析方法     

三峡库区麻柳林滑坡变形特征及演化模拟

在库水位波动和降雨作用的共同影响下，库岸滑坡的变形规律往往更为复杂。以三峡库区麻柳林滑坡为例，基于野外调查、钻探编录、深部位移监测以及数值模拟等手段，分析了库水位波动和降雨作用下滑坡变形特征及演化规律。结果表明:麻柳林滑坡在粉质黏土层和块石层交界处发育一个次级滑带，目前该滑坡主要沿次级滑带运动，导致次级滑动的原因与坡体物质的差异性有关；S_i(S_f)指标分析法揭示滑坡的滑带还未完全破坏，滑坡仍处于蠕变状态；根据三峡水库水位调度规律，将一个完整水文年划分为6个阶段，数值模拟结果表明滑坡在库水位缓慢下降阶段变形速率较小、在快速下降阶段和低水位阶段变形速率持续增大、在快速上升阶段和缓慢上升阶段以及高水位阶段变形速率则保持平稳。其中，降雨的直接影响和降雨导致库水位波动进而对滑坡变形造成的间接影响，使得麻柳林滑坡在低水位阶段的变形显著增加、稳定性最差，应加强该时段内滑坡的监测和预警。      

基于尖点突变理论及非趋势波动分析的滑坡稳定性及变形特征研究

以尖点突变理论及非趋势波动分析为基础，构建滑坡稳定性及变形趋势判断模型。首先利用尖点突变理论对滑坡整体稳定性进行评价，并进一步探讨滑坡的分阶段稳定性特征；再利用非趋势波动分析判断滑坡累计序列和速率序列的整体及分阶段变形趋势，并与稳定性分析结果进行对比。实例表明，两种分析方法的结果具有较好的一致性。在分阶段研究中，等时段和递增时段的分析结果具有明显差异，说明阶段分解方式对结果的影响较大，且以递增时段分析结果的规律性更强。     

金沙江结合带巴塘段滑坡群InSAR探测识别与形变特征

金沙江结合带结构破碎,软弱岩层发育,流域性特大高位地质灾害频繁发生.针对该区域开展大范围滑坡调查与监测研究,对减灾防灾具有重要意义.以金沙江结合带巴塘段为试验区,采用堆叠InSAR技术分别利用升轨、降轨Sentinel-1 A卫星数据对该区域滑坡隐患开展了调查研究.在此基础上,以中心绒乡滑坡群为重点研究区,利用多维小基...     

基于滑坡灾害预警分级的应急处置措施

滑坡灾害应急处置能力是地质灾害减灾防灾的重要方面。目前,基于滑坡灾害预测和预警分级成果,系统性的应急措施分类研究还鲜有展开,因此,以三峡库区白水河滑坡为例,运用时间序列加法模型将滑坡累计位移分解为趋势项位移与周期项位移,并分别应用多项式拟合及自回归（AR）模型对2个分量进行预测,在此结果上采用聚类分析方法将滑坡变形分为匀速变形与加速变形阶段,综合判断滑坡灾害预警等级,开展了针对滑坡预警分级的应急措施研究。结果表明:白水河滑坡预警等级主要为蓝色和黄色2种类型,对处于不同的预警等级下的滑坡,可根据滑坡变形特征快速决策,基于滑坡灾害预测和预警分级结果能更有效地指导滑坡应急处置。      

地质灾害GPS实时监测预警系统关键技术探讨

利用GPS形变监测、一机多天线(GMS)及CORS等技术,探讨基于GDCORS的GPS监测数据的实时处理、灾害因子分析、灾害趋势分析等关键技术,用于高精度滑坡形变在线监测研究和应用。通过系统设计与集成,开展地质灾害隐患点滑坡地表形变远程动态监测示范站建设,为地质灾害发生的可能性分析与预报提供科学依据。     

基于干涉点目标分析方法的大光包滑坡形变监测

为研究干涉点目标分析(IPTA)方法应用于超大型滑坡形变监测的有效性,采用IPTA方法处理大光包滑坡65景Sentinel-1A影像,获得大光包滑坡的总体形变趋势及时间序列,并与StaMPS-SBAS方法的处理结果进行交叉验证,同时结合全球降水数据进一步分析形变与降雨之间的关系。结果表明,IPTA方法在超大型滑坡形变监测方面具有较好的应用效果;大光包滑坡在观测期间一直处于形变状态,雷达视线向形变速率最高达-50.590 mm/a;滑坡特征点形变速率在雨季明显加快,存在再次发生滑坡的风险。     

基于S-变换的GNSS滑坡变形监测数据信息提取与抑噪

提出一种基于S-变换的变形监测数据抑噪方法。首先采用S-变换对监测数据进行时频分析,得到二维时频矩阵,再根据二维时频矩阵设计时频滤波器,最后利用时频分析反变换方法重构信号。采用模拟数据和滑坡变形实测数据对该方法的有效性进行验证。结果表明,相较于小波滤波方法,经该方法处理后的变形数据的RMSE和SNR均较优,可准确提取监测点的变形特征,为滑坡变形预测预报提供可靠的监测数据。     

巨型古滑坡的稳定性评价及发展趋势分析

利用尖点突变模型进行滑坡稳定性评价,再以集合经验模态分解、GM(1,1)模型和支持向量机等方法为基础,构建滑坡变形预测模型。以变电站滑坡为例进行分析,结果表明,各监测点的突变特征值均大于0,即处于稳定状态;所得变形预测结果的平均相对误差均较小,验证了本文预测模型的有效性;通过外推预测,发现滑坡变形仍会进一步增加,稳定性变差。     

基于深度全连接神经网络的大坝变形预测研究

将深度全连接神经网络引入大坝变形预测领域,结合大坝多源监测数据的训练样本,建立基于深度全连接神经网络的大坝变形预测模型。利用几种常见的深度优化学习算法对模型进行优化训练,通过对比各损失函数的变化曲线选取最优学习算法,进一步构建基于最优学习算法的深度全连接神经网络大坝变形预测模型;最后结合大坝多源监测数据的测试样本对模型进行检验分析,并将预测结果和传统BP神经网络的预测结果进行对比。研究结果表明,本文的深度全连接神经网络模型预测精度高、实用性强,可为大坝安全监控提供参考。     

新铺下二台滑坡变形机制及中长期预报模型

以奉节新铺下二台滑坡为例, 基于GPS位移监测数据、裂缝数据、降雨量及库水位等多源数据, 总结分析了大型古滑坡的复活规律, 引入滑坡中长期预报模型, 实现了以季度或月份为时间单位的跨水文年滑坡位移预测, 并通过岩土体蠕变压缩模型, 验证了推移式滑坡后缘裂缝形成机理。结果表明: ①降雨是下二台滑坡变形的主导因素, 滑坡变形使得滑体产生裂缝并成为降雨入渗通道, 加剧了岩体破碎与软弱层软化, 降低了滑坡稳定性, 集中持续降雨可使滑坡失稳破坏; ②通过模型预测值与地表监测数据的比较, 将年降雨量作为滑坡中长期预报模型中的主控因素具有实际可操作性且有助于提高滑坡中长预报精度; ③推移式滑坡后缘裂缝由滑坡推移式位移和岩土体压缩形成, 引入蠕变压缩模型计算的裂缝宽度并和监测数据的比较说明, 蠕变压缩模型非常适合该类边坡, 同时应用岩土体蠕变压缩模型反推得到岩土体平均变形模量, 判断岩体破碎程度, 可以为滑坡稳定性分析及后续工程治理提供参考。      

天津蓟州五名山滑坡隐患早期识别监测

为精确识别五名山滑坡隐患,利用Sentinel-1A/B升降轨数据,基于SBAS-InSAR技术反演2017-03~2021-04该地区垂向和坡向形变,识别滑坡灾害以及隐患点,对形变时间序列及滑坡原因进行分析。结果表明,五名山潜在地质灾害隐患可分为3个区域,其中最大垂向累积形变达-38.28 mm,临空面坡体最大坡向累积形变为22.10 mm;降水量对坡体稳定性具有不同程度的影响,坡体累积形变峰值滞后于降水峰值。研究成果可回溯蓟州五名山滑坡灾害形变特征,为天津北部山区地质灾害监测识别提供新思路,为防灾减灾提供保障和技术支持。