库水变动下堆积层滑坡加卸载响应规律与稳定性预测

三峡库区堆积层滑坡稳定性受库水位变动影响十分明显,库水变动下堆积层滑坡的演化过程与稳定性预测研究对防灾减灾具有重要的指导意义。基于库水变动与滑坡变形的响应关系,建立库水动力加卸载与位移速率响应耦合的加卸载响应比预测模型;建立库水变动与滑坡稳定系数的响应关系,进而确定库水变动下滑坡体的渗流场类型,并以滑坡稳定系数的变化率的正负来判断库水变动的加卸载作用。以黄莲树滑坡为例,预测其稳定性,并对预测结果进行验证。结果表明:黄莲树滑坡水平方向位移变化与库水变动存在响应关系,且响应具有明显的滞后性;库水变动下该滑坡的渗流场属于动水压力型,每个水文年中库水动力对滑坡有6个月为加载过程,1个月为卸载过程;滑坡监测点的加卸载响应比在2011年出现整体上升并大于1,揭示滑坡趋于失稳,对库水变动加卸载作用的响应加强。结论得到了宏观变形破坏迹象的验证,说明改进的加卸载响应比预测模型具有良好的预测效果。     

三峡库区典型堆积层滑坡变形滞后时间效应研究

堆积层滑坡是三峡水库运行过程中的重要地质灾害,其变形演化往往滞后于库水位的变化,表现出时间滞后效应,给滑坡灾害精准预测和灾害警情准确发布造成极大困扰。采用集对分析法并结合层次分析法,构建了滑坡加权位移向量计算模型,在滑坡加权位移演化与库水位波动相互关系定性分析的基础上,寻找滑坡加权位移与库水位变化速率相关性达到最大时的平移步数,从而计算出滑坡变形滞后于库水位变化的时间。以三峡库区典型堆积层滑坡——树坪滑坡为例,在分析滑坡变形演化规律基础上,分别选取2012年、2013年、2014年汛雨期地表位移与库水位下降速率的监测数据开展滑坡变形滞后时间研究。研究发现:当库水位下降速率小于等于0.43 m·d-1时,树坪滑坡变形滞后时间大于等于5 d;当库水位下降速率在0.43 m·d-1到0.7 m·d-1之间时,树坪滑坡变形滞后时间在2 d到5 d之间;当库水位下降速率大于等于0.7 m·d-1时,树坪滑坡变形滞后时间小于等于2 d;随着库水位下降速率不断增大,树坪滑坡变形滞后时间不断缩短。通过分析滑坡不同空间位置监测点的滞后时间,发现越靠近滑坡体前缘变形滞后时间越短,当库水位下降速率在0.43 m·d-1到0.7 m·d-1之间时,滑坡前缘变形滞后时间在2.4 d到5.4 d之间,滑坡中部的变形滞后时间在3.4 d到5.6 d之间,滑坡前缘和中部的变形滞后时间差在0.2 d到1.4 d之间。研究成果可以为树坪滑坡的监测预警防治工作提供参考,对重大水利工程涉水滑坡监测预警具有一定借鉴意义。     

考虑地下水作用的滑坡时间预测研究

结合三峡库区堆积层滑坡的具体情况讨论了地下水对滑坡的物理化学和力学作用,论证了地下水物理化学作用对三峡库区松散堆积层滑坡稳定性的影响远小于地下水动力作用对滑坡稳定性的影响.在此基础上,引入总压力水头,提出将地下水对滑坡的各种力学作用简化为总压力水头,结合加卸载响应比方法的思路,分别建立了基于库水位涨落和降雨影响的滑坡预...     

三峡库区藕塘滑坡变形特点及复活机制研究

为深入研究库区古滑坡变形特征及其复活机理,文章以三峡库区藕塘滑坡为研究对象,通过对钻孔、探槽及平硐等现场勘查资料和监测资料的深入分析,并结合数值模拟方法,探讨了藕塘滑坡的时-空变形特点及影响因素,并揭示其复活机制。电子自旋共振试验和现场勘查结果表明藕塘滑坡由三个次级滑体组成。监测数据显示:总体上,地表累计位移-时间曲线呈阶跃状变化,即雨季滑坡变形速率急剧加快,旱季则骤减;在空间上滑坡的变形速率随高程的增加而增加。库水和降雨是导致藕塘滑坡变形破坏的主要因素:滑坡下部区域变形主要受库水影响,而滑坡中、上部区域变形主要受降雨影响。数值模拟结果也进一步揭示了影响滑坡孔隙水压力响应的主控因素随滑坡高程的变化而变化。库水骤降使得坡体前部渗透压增大,同时强降雨使得坡体中部及上部孔隙水压力升高,二者共同作用下导致滑坡复活。此外库水位下降或降雨量增加,均会不同程度降低边坡的稳定性。以上结论对于指导实际工程及深化库区古滑坡的研究具有一定的理论意义,同时加强古滑坡的研究有助于丰富滑坡稳定性评价及预测预报方法,为古滑坡的治理提供一定的理论依据。     

大渡河瀑布沟水库红岩子滑坡变形特征与机理分析

库水涨落常诱发库岸滑坡变形破坏。为了研究库岸滑坡的变形特征及变形机理,以大渡河瀑布沟水电站红岩子滑坡为对象,通过详细的地表宏观变形调查和对监测数据的深入分析,结合GeoStudio数值模拟,深入研究了该滑坡的变形特征、渗流场、稳定性及库水对滑坡的作用机理。结果表明：红岩子滑坡地表宏观变形显著,累计位移曲线呈“阶跃”式特征,库水下降是滑坡变形的主要诱发因素;库水位由850 m高水位集中下降至830 m以下时,位移阶跃启动,“阶跃”段的累计变形量占全年总变形量的90%以上,当库水位下降速率大于0.5 m/d时,滑坡加速变形;滑坡变形模式为蠕滑-拉裂,库水升降导致滑体内部渗透力的变化,对滑坡稳定性影响很大,引发滑坡“阶跃”变形。     

水位涨落作用下藕塘滑坡响应特征模型试验研究

藕塘滑坡是三峡库区结构复杂的巨型古滑坡之一,由多个次级滑体和滑面组成,大坝蓄水运行以来,滑坡出现复活迹象,对周边数千人的生命财产安全构成威胁。为明确藕塘滑坡在库水位涨落作用下的响应特征、变形破坏模式和机制,以物理模型试验为手段,通过制配滑坡模型试验材料,精确控制试验中库水位涨落条件,实现了藕塘滑坡变形失稳过程试验模拟,并从试验角度探讨了藕塘滑坡响应特征和力学机制。得到以下结论:库水涨落速度越快组成滑坡的3个次级滑坡产生的变形越大,库水位下降造成的滑坡变形明显大于库水位上涨和稳定状态;库水位涨落影响主要集中于第一期次滑坡区域,当库水位快速下降时第一期次滑坡坡脚局部发生牵引式崩滑的风险大;第一期次滑坡变形造成其后的第二期和第三期次滑坡稳定性下降,随之发生变形;藕塘滑坡为动水压力型滑坡,滑坡在库水位涨落作用下发生整体沿基岩面滑移破坏的可能性不大,变形失稳模式表现为第一期次滑坡前缘的局部崩滑。试验揭示了该类滑坡在库水位涨落作用下的响应特征和变形破坏机制,可为类似滑坡的研究提供参考。     

三峡库区溪沟湾滑坡的诱发因素及前期降雨影响

多年来的监测数据表明溪沟湾滑坡加速变形时总伴随着季节性降雨和库水位变动，难以辨别滑坡变形的主导诱发因素，对风险分析带来了挑战。鉴于此，论文首先采用邻域粗糙集模型中的属性约简算法，对溪沟湾滑坡活跃区和非活跃区日变形速率与降雨、库水位和库水位变动速率因素之间的相关性进行了系统分析，计算结果表明溪沟湾滑坡活跃区变形主要受过去7日降雨因素影响，并与短期库水位变化率因素存在关联性，滑坡非活跃区的微弱变形与过去3日库水位变化率因素存在关联性。然后，结合滑坡变形特征，研究发现诱发溪沟湾滑坡活跃区剧烈变形的过去7天平均降雨量在20 mm左右，库水位下降因素对其变形存在影响，但影响较小，而溪沟湾滑坡非活跃区的微弱变形主要受库水位波动影响。最后，通过对溪沟湾滑坡进行渗流-力学数值计算分析，结果揭示了溪沟湾滑坡活跃区受长历时前期降雨作用的变形机理。数值分析过程中，当降雨强度由1 mm/d增至20 mm/d,降雨造成滑坡体内部孔隙水压逐渐增大，内部水位抬升并不断向滑坡活跃区延伸，导致活跃区滑坡体由稳定状态降至欠稳定状态，进而引发溪沟湾滑坡活跃区变形加剧。此外，数值模拟结果也表明库水位下降因素对滑坡活跃区内部渗...     

水库型滑坡复合水动力增载位移响应比物理预测模型及其应用

众所周知,库水位变化和降雨复合动力往往是水库型滑坡的变形和破坏主因。本文在系统分析水库型边坡位移、库水位及降雨变化规律基础上,提出与确定了降雨与库水动力转换系数k的计算方法,并通过转换系数k将降雨动力与库水动力这两种不同的水动力增载效应进行了有机耦合叠加,建立了复合水动力增载参数的计算方法。并将复合水动力变化量及其位移变化量作为动力增载及其响应参数,建立了水库型滑坡复合水动力增载位移响应比物理预测参数与模型。同时,运用该模型对白水河滑坡复合水动力作用下的稳定性演化规律进行了系统分析与评价,结果表明该滑坡复合水动力增载位移响应比的变化规律与其稳定性动态演化规律相吻合,表明复合水动力增载位移响应比参数是一种水库型滑坡有效的物理评价参数,可运用该物理评价参数与预测模型对该类滑坡稳定性进行分析与评价。     

水库滑坡地下水动态响应规律及浸润线计算模型

库水和降雨直接导致水库滑坡地下水变动,是诱发滑坡的主要因素。已有研究大多是基于监测数据探讨库水与降雨对滑坡变形的影响,未能揭示水库滑坡地下水响应规律,地下水浸润线计算模型没有同时考虑降雨和库水的影响,且模型边界条件与水库滑坡实际情况差别较大。为了揭示大型水库滑坡地下水动态响应规律,需要构建更接近实际情况的地下水位浸润线计算模型。通过三峡水库石榴树包滑坡地下水动态监测,揭示了库水水位变化和降雨条件下滑坡地下水水位动态响应规律,其地下水渗流场近似层流,滑坡前缘和中部的地下水水位与库水位几乎同步,滑坡后部的地下水水位主要受降雨影响,日降雨30 mm会引发地下水水位明显变动。在周期性库水位变化和随机降雨耦合条件下,建立了滑坡地下水非稳定渗流微分方程,解算出水库滑坡地下水位浸润线计算模型,并采用实际监测结果进行了验证。应用计算模型分析了不同工况条件下的滑坡渗流场,并得出滑坡内距前缘水平距离145 m内,库水对地下水有影响;引发地下水变动的降雨和库水位变化阈值分别为0.03,0.1 m/d,且不同的条件组合下降雨和库水位对地下水水位影响存在一定差异。     

库水下降作用下滑坡动态变形机理分析以三峡库区白水河滑坡为例

在每年的库水位下降期间,三峡库区的许多滑坡都出现了较大变形。为了深入研究库水下降作用下滑坡的动态变形机理,评价和预测此类滑坡的稳定性及发展趋势,本文以白水河滑坡为例,在现场地质调查和详细地质勘查的基础上,充分利用十多年监测数据,分析其变形特征、失稳机理、影响因素及稳定性,预测了其变形发展趋势。研究结果表明在水库水位下降的过程中,由于滑坡岩土体渗透性能较差,地下水来不及及时排出,滞后于水库水位的下降,滑坡受到了坡体内地下水向外的渗透动水压力作用,从而使得滑坡稳定性降低。另外库水位下降速度越快,滑坡的位移速率也越大,表现出阶跃型动态变形特征。     

基于多算法参数优化与SVR模型的白水河滑坡位移预测

滑坡预测对于减轻地质灾害的危害十分重要,但对科学研究却很有挑战性。基于变形特征和位移监测数据,建立了三峡库区白水河滑坡的时间序列加法模型。在模型中,累计位移分为3个部分:趋势、周期和随机项,解释了由内部因素（地质环境,重力等）、外部因素（降雨,水库水位等）、随机因素（不确定性）共同作用的影响。在对位移数据进行统计分析后,提出了一个3次多项式模型对趋势项进行学习,并利用多算法寻优的支持向量回归机（SVR）模型对周期项进行训练与预测。结果表明,在预测精度上,基于时间序列与遗传算法-支持向量回归机（GA-SVR）耦合的位移预测模型要明显优于网格寻优（GS）以及粒子群算法（PSO）优化的支持向量回归机模型。因此,GA-SVR模型在滑坡位移预测方面可以得到较好的应用。在“阶跃型”滑坡位移预测中,GA-SVR将具有广阔的应用前景。     

Using an extreme learning machine to predict the displacement of step-like landslides in relation to controlling factors

In the evolution of landslides, besides the geological conditions, displacement depends on the variation of the controlling factors. Due to the periodic fluctuation of the reservoir water level and the precipitation, the shape of cumulative displacement-time curves of the colluvial landslides in the Three Gorges Reservoir follows a step function. The Baijiabao landslide in the Three Gorges region was selected as a case study. By analysing the response relationship between the landslide deformation, the rainfall, the reservoir water level and the groundwater level, an extreme learning machine was proposed in order to establish the landslide displacement prediction model in relation to controlling factors. The result demonstrated that the curves of the predicted and measured values were very similar, with a correlation coefficient of 0.984. They showed a distinctive step-like deformation characteristic, which underlined the role of the influencing factors in the displacement of the landslide. In relation to controlling factors, the proposed extreme learning machine (ELM) model showed a great ability to predict the Baijiabao landslide and is thus an effective displacement prediction method for colluvial landslides with step-like deformation in the Three Gorges Reservoir region.     

Prediction of landslide displacement with step-like behavior based on multialgorithm optimization and a support vector regression model

Landslide prediction is important for mitigating geohazards but is very challenging. In landslide evolution, displacement depends on the local geological conditions and variations in the controlling factors. Such factors have led to the “step-like” deformation of landslides in the Three Gorges Reservoir area of China. Based on displacement monitoring data and the deformation characteristics of the Baishuihe Landslide, an additive time series model was established for landslide displacement prediction. In the model, cumulative displacement was divided into three parts: trend, periodic, and random terms. These terms reflect internal factors (geological environmental, gravity, etc.), external factors (rainfall, reservoir water level, etc.), and random factors (uncertainties). After statistically analyzing the displacement data, a cubic polynomial model was proposed to predict the trend term of displacement. Then, multiple algorithms were used to determine the optimal support vector regression (SVR) model and train and predict the periodic term. The results showed that the landslide displacement values predicted based on data time series and the genetic algorithm (GA-SVR) model are better than those based on grid search (GS-SVR) and particle swarm optimization (PSO-SVR) models. Finally, the random term was accurately predicted by GA-SVR. Therefore, the coupled model based on temporal data series and GA-SVR can be used to predict landslide displacement. Additionally, the GA-SVR model has broad application potential in the prediction of landslide displacement with “step-like” behavior.     

三峡库区香溪河段典型滑坡变形特征分析

本文从坡形采集入手,对三峡库区香溪河段蓄水后发生变形的滑坡进行归纳统计。统计表明,近水库岸坡为凸形的滑坡更容易发生变形。对香溪河段典型滑坡进行了长期地表位移监测,获得八字门滑坡和白家包滑坡的变形曲线为台阶状,耿家坪滑坡的变形曲线为脉动形。近库水微地貌为凸岸,滑体物质为老滑坡堆积物的滑坡变形曲线为台阶状,变形具积累性;近库水微地貌为凹岸,滑体物质为崩塌堆积物的滑坡变形曲线为脉动形,变形具“弹性”。     

基于非平稳时间序列分析的滑坡变形预测

滑坡的位移监测资料通常可用来预测滑坡的变形发展趋势,位移的发展反映了滑坡的变形过程.为了预测在现有条件持续情况下的滑坡变形趋势,将滑坡位移监测数据视为非平稳时间序列,应用时间序列分析方法,建立了滑坡变形趋势的预测模型.以三峡库区秭归县白水河滑坡为例,通过对变形预警区监测点位移实测时间序列的分析,取监测点ZG93和XD-04为代表,建立了时间序列预测模型,从第17个月开始向前做6步预测,分析预测曲线与实测曲线之间的关系,并计算预测误差,结果显示除个别数据点之外,预测误差均在±9%以内,曲线吻合较好,说明所建模型效果良好,从而为判断白水河滑坡未来的变形发展趋势提供了可靠的理论依据.     

基于数据挖掘技术的白水河滑坡多场信息关联准则分析

为探究滑坡多场监测数据间的关联准则,采用数据挖掘技术中的两步聚类法与Apriori算法,开展滑坡多场信息关联准则研究。以三峡库区白水河滑坡为例,分析ZG93监测点于2003年6月—2016年12月期间的监测数据,选取影响滑坡变形的主要诱发因子,采用两步聚类法对不同的影响因子进行预聚类和聚类,将数值型变量转化为离散型变量后,应用Apriori算法进行处理,生成满足最小置信度的关联准则,建立白水河滑坡多场耦合作用模式下的影响因子与滑坡位移变形关联准则判据。研究表明,关联准则对于滑坡灾害的变形分析具有重要的意义,数据挖掘技术可较好地应用于三峡库区地质灾害位移预测预报中。     

三峡库区大坪滑坡变形对前缘塌岸的响应分析

随着三峡水库的长期运行,受库水位涨落和波浪作用影响,三峡水库土质岸坡的塌岸问题愈发严重,塌岸不仅造成了水土流失,甚至会诱发滑坡复活。大坪滑坡是三峡库区前缘塌岸发育最为明显的滑坡之一,以三峡库区大坪滑坡为例,结合大坪滑坡的地表宏观变形、地表GPS位移等数据,分析滑坡变形特征以及塌岸对滑坡变形的影响,在此基础上通过ABAQUS生死单元功能实现前缘塌岸对滑坡稳定性影响的数值模拟,进一步探索滑坡变形对前缘塌岸的响应关系。结果表明:大坪滑坡的变形主要受库水位涨落影响,前缘塌岸较发育,塌岸一侧GPS监测点地表位移变化较明显,显然塌岸对大坪滑坡地表变形影响较大;ABAQUS的有限元计算结果表明,塌岸对滑坡的变形影响十分明显,影响大小主要与塌岸方量相关;塌岸导致的滑坡变形主要集中在滑坡前部,并向后部逐渐扩展;ABAQUS中的生死单元法可以很好地实现塌岸对滑坡稳定性影响的模拟。     

长江三峡库区木鱼包滑坡地表变形规律分析

三峡库区木鱼包滑坡自2006年实施专业监测以来,一直持续变形,对三峡大坝工程和长江航道造成巨大威胁。通过多次野外地质调查资料、长期现场巡查、人工GPS位移监测数据、近1年的全自动监测数据等,深入分析该滑坡在库水涨落及降雨条件下的变形特征、演化规律及变形机制。结果表明,滑坡坡体结构、岩性及地质构造等地质因素控制了木鱼包滑坡的变形,库水位是主要的驱动因素。库水位上升过程中,库水位由145 m升到155 m左右,月位移量为最小值;动水压力向坡内,滑坡变形最小;库水位155 m上升至175 m期间,库水入渗前部坡体,对滑坡前部抗滑段形成浮托减重效应,变形有所增加。库水位由175 m下降到170 m左右,累积位移形成阶跃,坡受向坡外动水压力和浮托减重效应作用,月位移达最大值。库水位由170 m降到145 m期间,浮托减重效应作用减小,月位移量降低。目前,木鱼包滑坡变形趋势减小,产生大规模滑动的可能性较小,但须进一步加强监测和机制研究。