基于车载三维激光扫描系统的滑坡变形监测方法

在简述现代变形监测主要方法的基础上,着重阐述了基于车载激光扫描系统的变形监测方法,以灰色系统理论为基础推导了基于点云数据的滑坡变形监测模型,探讨了滑坡监测点选取方法。利用车载激光扫描系统对某区域进行滑坡监测,采用灰色模型方法对监测点数据进行分析预测。实验结果表明:利用车载激光扫描点云数据进行滑坡监测具有可行性。     

基于T-S模糊神经系统的灰色关联分析方法——以广东省滑坡危险性评价为例

论文在经典灰色关联分析理论的基础上,应用T-S模糊神经系统的模糊系统和模糊逻辑,结合神经网络的自适应性,对灰色关联分析的数据取值以及取值区间进行重新定义和划分。再进行定量归一化,对灰色关联分析方法进行了改进。文中以广东省滑坡危险性评价为例,将改进的灰色关联度分析方法应用于滑坡危险性的评价。通过对影响滑坡危险性评价因素的T-S模糊神经系统分析,对滑坡的危险性评价提供了更科学、合理的依据。     

利用证据权法实现滑坡易发性区划

依托“5.12”特大地震的抗震救灾工作,以汶川地震12个极重灾县市为研究对象,在1:5万滑坡详细调查、编录和遥感影像解译的基础上,利用DEM数据,ETM影像及基础地质数据,使用证据权法完成了研究区滑坡易发性评价因子的提取与制图以及相关性统计分析,实现了1:5万的滑坡易发性区划。     

滑坡敏感因子的灰色关联分析

提出了用灰色关联模型对滑坡进行敏感性分析,建立了以滑坡敏感性影响因子为子序列、以其稳定性系数为母序列、以极差变化为数据转化方法、以关联度为评价结果的滑坡敏感因子分析灰色关联模型。本文以三峡库区水田坝下土地岭滑坡工程为例,选取滑带凝聚力c, 内摩擦角φ, 地震加速度及库水位为子序列,以剩余推力法计算的滑坡稳定性系数为母序列,得出了滑带的c,φ值对滑坡稳定性影响最为敏感的结论。     

滑坡位移灰色预测模型的VB编程实现

灰色模型在社会科学、自然科学的许多方面已得到广泛的应用，并取得了一系列重大成果。在滑坡地质灾害研究方面，灰色模型多用于滑坡变形的中长期预测预报，且精度较高。文章在介绍分析了灰色预测模型GM(1，1)的基本原理基础上，开发了用VB语言编写的滑坡位移灰色预测软件，解决了笔算困难问题。实例验证了该模型用于预测滑坡位移值的适用性及软件的可靠性。VB编程能够很好地与其它软件(GIS软件)集成，在其它专业软件中使用，有聋于滑坡地质灾害的研究。     

基于时间序列EEMD重构的滑坡位移PSO-SVR预测方法——以三峡库区滑坡为例

三峡库区滑坡地表位移—时间曲线多呈“台阶型”特征。基于位移响应成份模型的滑坡位移预测方法是对该类滑坡位移预测的主要方法之一。针对目前水库滑坡波动项位移预测工作中尚未考虑主要诱发因素的高频成份与低频成份的问题,提出了基于时间序列EEMD重构的滑坡位移PSO-SVR预测的方法。以白水河滑坡2003年7月至2013年3月117个地表位移数据为例,采用EEMD法将地表位移时间序列分解为趋势项位移和波动项位移,该趋势项位移用最小二乘法的二次多项式拟合预测;根据EEMD和t检验法,确定高频降雨量、低频降雨量、高频库水位和低频库水位,结合其它常用因素,采用灰色关联分析确定白水河滑坡影响波动项位移的优势因素为高频降雨量和月间库水位变化,基于优势因素建立PSO-SVR模型预测波动项位移。结果表明,总预测值的平均相对误差为0.009 8,方差比为0.023 9,小误差概率为1,预测效果较好。利用该方法对三峡库区其它5个“台阶型”滑坡进行了预测,预测位移与实测位移较吻合,进一步证明了该方法的有效性,对同类滑坡的预测预报具有一定的借鉴意义。     

灰色新陈代谢GM(1,1)模型在滑坡变形预测中的应用

由于常规GM(1,1)模型用于预测时,精度较高的仅仅是最近的几个数据,越往未来发展,该模型的预测精度就越弱。针对常规GM(1,1)模型存在的不足,文章建立了灰色新陈代谢GM(1,1)滑坡预测模型,并利用该模型对向加坡滑坡和链子崖危岩体GA监测点位移变形进行了预测。结果表明,灰色新陈代谢GM(1,1)模型精度较高,预测误差较小,有很好的利用价值。     

基于灰色理论的时间序列分析在地面沉降预测中的应用

地面沉降的准确预测对减灾防灾和指导地区工程规划和建设意义重大。使用地区地面沉降观测数据,将灰色理论模型与时间序列分析相结合,构建组合模型。该组合模型既反映地面沉降与其影响因素之间的灰色关系,又考虑地面沉降观测数据的随机性,有利于对地区地面沉降做出科学合理的预测。     

联合多种数据驱动建模方法的滑坡位移预测研究

边坡位移是滑坡演化的宏观体现,分析并预测滑坡位移发展态势对于防灾减灾具有重要意义。由于滑坡位移曲线具有明显的非线性特征,单一模型往往难以刻画其非线性与复杂性。为发展一种普遍适用于滑坡位移的预测方法,提出了一种联合多种数据驱动模型的新方法。该方法根据时间序列分析理论,将滑坡位移序列分解为趋势项和周期项,趋势项采用并联型灰色神经网络处理,周期项则采用人工蜂群算法（ABC）优化后的极限学习机模型（ELM）处理,从而充分应用各种模型的优点。以三峡库区白水河和八字门滑坡为例,对位移数据进行分析处理后,灰色神经网络模型预测其趋势性位移,改进后的极限学习机模型对周期性位移进行训练及预测。结果表明:在预测精度上,优化后的极限学习机模型准确度高于极限学习机模型及小波神经网络等方法,提出的灰色神经网络与ABC-ELM的组合模型可作为实际工程的一个参考。     

基于集成学习的阶跃型滑坡阶跃点判别分析

针对阶跃型滑坡阶跃点识别和预测难的问题,提出了一种基于聚类分析和集成学习的阶跃型滑坡阶跃点识别和判别模型。以三峡库区八字门滑坡ZG110钻孔2010年4月至2016年12月80个滑坡位移、库水位和降雨数据为例,通过聚类分析方法识别滑坡累积位移-时间曲线中的阶跃点和平稳点,并利用K均值聚类分析检验分类结果的准确性。基于灰色关联确定了滑坡位移的最佳诱发因素,结合随机森林模型建立阶跃型滑坡阶跃点判别模型并利用八字门滑坡ZG111钻孔验证该模型的准确性。模型阶跃点和平稳点的识别准确率均达90%以上,表明该方法在阶跃型滑坡识别中具有较好的适用性,可为阶跃型滑坡的预测提供参考。     

Two-dimensional landslide dynamic simulation based on a velocity-weakening friction law

Surprisingly, hypermobility (high velocity and long run-out) is a remarkable feature of large landslides and is still poorly understood. In this paper, a velocity-weakening friction law is incorporated into a depth-averaged landslide model for explaining the higher mobility mechanism of landslides. In order to improve the precision of the calculation, a coupled numerical method based on the finite volume method is proposed to solve the model equations. Finally, several numerical tests are performed to verify the stability of the algorithm and reliability of the model. The comparison between numerical results and experimental data indicates that the presented model can predict the movement of landslide accurately. Considering the effect of velocity-weakening friction law, the presented model can better reflect the hypermobility of landslide than the conventional Mohr–Coulomb friction model. This work shows that the application of a universal velocity-weakening friction law is effective in describing the hypermobility of landslide and predicting the extent of landslides.     

黄土坡滑坡变形的灰色预测模型

灰色系统预测模型的本质是对已知数据序列进行类型为指数形式的曲线拟合,然后将此曲线延伸到未来,由此对未知的数据做出预测。本文建立了黄土坡滑坡水平位移预测的GM(1,1)模型,实际应用表明,该模型具有精度高、适用性广等特点。      

基于预警隶属度函数多模型融合的滑坡预警方法

不同的滑坡预报模型存在预报同一滑坡可能提前也有可能延迟、预报精度差异较大的问题,而且,融合多模型预警方法未能充分体现个体模型预报特征,其融合预警精度不高。在分析模型可靠性的基础上,区分预报提前和延迟2种情况,设计不同的发生滑坡隶属度函数,以最低风险原则确定滑坡预警隶属度函数,利用模糊积分实现多模型融合滑坡预警。利用16个已知滑坡对预报模型进行可靠性评价,另选4个已知滑坡分别进行滑坡发生3d前和1d前多模型融合预警验证实验,结果表明,多模型融合预警虚警率比多个单一模型平均虚警率分别降低16.6%和25.0%。实验表明利用预警隶属函数进行多模型滑坡预警能提高预警精度20.0%左右。     

考虑环境变量作用的滑坡变形动态灰色-进化神经网络预测研究

滑坡变形预测对于指导灾害的预防工作、保护人民的生命和财产安全具有重大实用价值。从系统论观点出发,结合岩土体流变理论和时序分析原理,在深入研究影响滑坡变形的主控环境变量基础上,将位移时序分解为趋势项和偏离项。采用灰色系统模型提取位移时序趋势项,结合遗传算法和人工神经网络建立起进化神经网络模型,逼近主控环境变量与位移偏离项之间的非线性关系。根据蠕变阶段和变形对环境变量响应情况,实时调整模型,建立起滑坡变形预测的动态灰色-进化神经网络（GM-ENN）模型。将此预测思路和方法应用于三峡库区某滑坡变形预测研究中,证实了模型的有效性和实用性,显示了动态预测的重要性。     

一种新的煤层气产出动态预测模型

运用灰色系统和时间序列分析理论,建立了一种用于煤层气产出量拟合与预测的动态模型——等维递补灰色-时序组合模型。将这一新的模型应用于山西沁水盆地南部潘庄地区某些典型煤层气井排采量数据的拟合与预测。结果表明,其对历史数据的拟合具有较高的精度,可以适用于煤层气排采的中长期预测。      

工程先验知识辨识下的滑坡非平稳变形支持向量机预测

针对缺乏非平稳变形（阶段性、反复性及突变性）特征数据导致的滑坡预测与评估不完全符合工程实际的情况,通过分析变形时序的物理意义与类型,在定义了非平稳变形趋势变化外延模式的基础上,提出了综合考虑滑坡当前变形阶段、观测变形数据特征以及待预测时段外界诱发因素的时序外延模式辨识方法,并进一步在工程先验知识指导下建立了支持向量机（SVM）预测模型。通过2个工程实例对方法进行应用验证。结果表明,工程先验知识能够有效补充非平稳变形的观测数据信息,对预测建模具有指导性作用;融入外延模式的SVM模型与一般性SVM的外推预测,其平均相对误差可降低2～3倍,预测的可靠性与准确性得到了显著增强。     

基于范数灰色理论的滑坡稳定性敏感因子分析

灰色关联分析模型可用于滑坡稳定性敏感因子的定量分析。将范数灰色理论引入到滑坡稳定性敏感因子分析之中,确定了影响滑坡稳定性系数的因素权重,较为直观地反映了各影响因子对滑坡稳定性的影响程度。以重庆市綦江县土台镇滑坡为例,进行滑坡稳定性敏感因子的范数灰关联度计算。结果显示,滑动面岩土体强度参数是影响土台镇滑坡稳定性最重要的因素,地震作用和地下水位的变化对该滑体稳定性的影响要稍弱一些。     

利用粗糙集的滑坡分阶段位移预测方法——以白家包滑坡为例

为解决大数据量下滑坡的位移数值精确预测,采用数据挖掘技术对滑坡多源监测数据进行预处理,进而采取粗糙集理论对输入变量集进行定量评价、约减并完成滑坡变形阶段预测,在此基础上利用不同算法进行滑坡变形位移数值预测。实验显示,粗糙集对滑坡变形阶段划分的准确度达到96.5%,在此基础上利用分类回归树预测滑坡位移的精度达到6.5 mm。结果表明,分阶段的位移预测方法是可行的,其提供的预测精度显著优于普通方法并且达到了工程应用的需求。     

The application of an innovative inverse model for understanding and predicting landslide movements (Salazie cirque landslides,Reunion Island)

The prediction of landslide movement acceleration is a complex problem, among others identified for deep-seated landslides, and represents a crucial step for risk assessment. Within the scope of this problem, the objective of this paper is to explore a modelling method that enables the study of landslide function and facilitates displacement predictions based on a limited data set. An inverse modelling approach is proposed for predicting the temporal evolution of landslide movement based on rainfall and displacement velocities. Initially, the hydrogeology of the studied landslides was conceptualised based on correlative analyses. Subsequently, we applied an inverse model with a Gaussian-exponential transfer function to reproduce the displacements. This method was tested on the Grand Ilet (GI) and Mare-à-Poule-d’Eau (HB) landslides on Reunion Island in the Indian Ocean. We show that the behaviour of landslides can be modelled by inverse models with a bimodal transfer function using a Gaussian-exponential impulse response. The cumulative displacements over 7 years of modelling (2 years of calibration period for GI, and 4 years for HB) were reproduced with an RMSE above 0.9. The characteristics of the bimodal transfer function are directly related to the hydrogeological functioning demonstrated by the correlative analyses: the rapid reaction of a landslide can be associated with the effect of a preferential flow path on groundwater level variations. Thus, this study shows that the inverse model using a Gaussian-exponential transfer function is a powerful tool for predicting deep-seated landslide movements and for studying how they function. Beyond modelling displacements, our approach effectively demonstrates its ability to contribute relevant data for conceptualising the sliding mechanisms and hydrogeology of landslides.