一种改进的切线角及对应的滑坡预警判据

斜坡位移一时间曲线具有三阶段演化特征,即可划分为初始变形阶段、等速变形阶段和加速变形阶段.前人根据斜坡不同变形阶段的累计位移一时间曲线斜率的特点提出了位移切线角的概念,并据此建立了滑坡预警判据.但因斜坡位移一时间曲线纵横坐标量纲不同,位移切线角实际上存在定义不严密、数值不确定的缺点.现提出一·种通过对斜坡累计位移一时间曲线进行坐标变换,实现纵横坐标同量纲化,进而获得确定切线角的新方法.利用改进的切线角,给出了斜坡加速变形阶段进一步细分为3个亚阶段的定量划分标准和滑坡临滑预警判据.已有的一些滑坡实例检验结果表明,改进的切线角及滑坡预警判据在滑坡监测预警中具有较大的实用价值.     

数据预处理在滑坡位移相关分析中的应用

滑坡位移的变化除受控于其内在的地质条件之外,也受到外在诱发因素动态作用的影响.为更好地揭示滑坡位移变化与诱发因素的综合关系,运用多种数据预处理方法对滑坡位移监测数据进行了处理分析.以巫山监测预警示范站玉皇阁崩滑体为例,分别采用t检验准则、正交多项式及三次样条函数进行数据剔除处理、数据平滑处理及数据等距化处理,在得到有效数据的基础上,对滑坡位移量与降雨量、库水位.变化等诱发因素进行了相关分析.结果表明,滑坡位移量与降雨量、库水位变化等诱发因素存在较强的相关性,同时具有典型的滞后性,其中,连续降雨与库水位下降是滑坡变形主要的直接诱发因素,且连续降雨对滑坡位移影响的滞后时间为0～6 d,库水位下降对滑坡位移影响的滞后时间为0～21 d.     

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。     

由树坪滑坡自动监测曲线分析滑坡诱因与预警判据

以三峡库区秭归县树坪滑坡为研究对象,通过远程全自动变形监测系统获取的滑坡监测曲线,结合历年专业监测和库水位、降雨等资料,分析了该滑坡的变形特征,找出了滑坡变形的主要诱发因素,并通过分析滑坡位移曲线、计算实测数据,得出了以变形位移速率和切线角为预警阀值的该滑坡四级预警定量划分标准。研究结果表明:库水位下降是诱发树坪滑坡变形的主要因素,降雨等仅起到雪上加霜的辅助作用;库水位下降速率大,树坪滑坡的变形速率也相应增大;引起树坪滑坡变形加速的关键因素实际上是地下水与库水位间的水位差形成向外的动水压力引起;切线角和变形位移速率的预警阀值仅为定量判定树坪滑坡的预警级别提供了依据,滑坡发展演化阶段的判定还应结合其宏观变形破坏迹象等综合判断。     

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。     

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。     

基于关联规则的滑坡演化阶段判识指标

滑坡的演化一般要经历初始变形、等速变形和加速变形3个阶段,准确地划分这3个阶段是进行滑坡预测预报的基础。依据大量滑坡从初始变形到失稳破坏的监测数据,采用数据挖掘中的关联规则,用经典的Apriori算法挖掘滑坡变形过程中累积位移、累积加速度等属性与演化阶段的关联关系,发现滑坡演化规律与累积加速度变化特征关联性强,在滑坡从初始变形进入等速变形,以及从等速变形到加速变形阶段时,都存在相应的阈值,即累积加速度在滑坡进入等速和加速变形阶段前后呈现出不同的特点。针对此特点,以湖北秭归县鸡鸣寺滑坡为例,将累积加速度作为划分鸡鸣寺滑坡演化阶段的指标,得出划分阈值,并利用关联规则分析其相关性。最后将此指标用于其他滑坡,均得到良好效果。因此根据该指标,可望实现滑坡演化阶段的自动判识。     

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。     

三峡库区某滑坡变形影响因素的灰色关联分析

有效利用滑坡监测资料掌握滑坡变形特征及其影响因素的主次关系是开展滑坡变形预测及工程治理的重要前提。因此,以三峡库区某滑坡为研究对象,基于滑坡位移监测、降雨量和库水位变化相关资料,对滑坡变形特征进行分析,研究表明该滑坡的变形与库水位下降及集中降雨具有明显的相关性;在此基础上,以滑坡位移变形速率为系统特征变量,选取当月降雨量、前两月降雨量、月库水位下降量、库水位下降速率为相关因素变量,运用灰色关联分析方法研究了系统特征变量与相关因素变量之间的响应程度,由灰色关联度的分析结果可知,前两月降雨量与当月降雨量、与该滑坡变形速率的响应程度最高,该滑坡变形的最大影响因素为降雨量,其次为库水位下降。鉴于此,建议进一步完善滑坡区排水系统,采取相应的工程防治措施。     

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。     

优势流入渗与坡体变形关系研究及应用

部分降雨型滑坡的地表裂缝会随着变形的不断增加逐渐形成完整配套的裂缝体系，针对此类滑坡的降雨入渗过程，指出沿地表裂缝形成的优势通道而形成的优势流入渗主导着滑坡稳定性的恶化过程，促进变形的持续发展。系统分析了优势流入渗与地下水位升降、坡体变形之间的相互关系。在此基础上，以王家坡滑坡为典型案例，分析了优势流入渗通道形成的时空规律及对应的变形特征，发现滑坡累积位移曲线上的变形加速区间呈不规则阶跃状，并将加速区间的起点与终点定义为加速拐点和减速拐点。然后以W3监测点的实际监测资料对滑坡变形过程中的地下水升降特征进行反演并获取对应的稳定性演化规律，发现变形加速区间上的加速拐点和减速拐点与稳定性出现变化的起点和终点相吻合，依此可建立确定变形加速区间的方法，进而获取位移速率阈值。     

基于时间序列分解和多变量混沌模型的滑坡阶跃式位移预测

三峡库区某些库岸滑坡在强降雨、库水位涨落等诱发因素影响下,其位移时间序列表现出阶跃式变化特征且可能存在混沌特性.但目前常用于滑坡位移预测的混沌模型,均建立在单变量混沌理论的基础之上.且已有的考虑了诱发因素的常规多变量模型,大都采用经验性的方法来选取输入变量;常规多变量模型对滑坡位移序列的非线性特征,及其与诱发因素间的动态响应关系缺乏数学理论上的深入分析.因此,提出一种基于指数平滑法、多变量混沌模型和极限学习机（extreme learing machine,ELM）的滑坡位移组合预测模型.指数平滑多变量混沌ELM模型首先对滑坡累积位移序列的混沌特性进行识别;然后用指数平滑法对累积位移进行预测,得到趋势项位移,并用累积位移减去趋势项位移得到剩余的波动项位移;之后对波动项位移及降雨量、库水位变化量这3个因子进行多变量相空间重构,并用ELM模型对多变量重构后的波动项位移进行预测;最后将预测得到的趋势项和波动项位移值相加,得到最终的累积位移预测值.以三峡库区白水河滑坡ZG93监测点的累积位移作为实例进行分析,并将模型与指数平滑多变量混沌粒子群-支持向量机（PSO-SVM）模型、指数平滑单变量混沌ELM模型作对比.结果表明滑坡位移序列存在混沌特性,模型能有效预测滑坡位移,其预测效果优于对比模型.且本文模型从混沌理论的角度将波动项位移与降雨量、库水位变化量的动态响应关系进行综合分析,更能反映滑坡位移系统演化的物理本质.      

降雨和库水位联合作用下库岸滑坡模型试验研究

受库区水位波动和降雨影响,库岸大量老滑坡体变形加剧,地质灾害问题十分突出。为研究库岸滑坡影响因素、变形演化规律及失稳条件,以大型物理模型试验为手段,选取三峡库区黄土坡滑坡临江Ⅰ号崩滑体为对象,通过考虑水位波动、降雨及其组合作用等诱发因素,开展了一系列的库岸滑坡模型试验研究。试验结果表明：水位升降,变形主要集中于模型坡体前缘,其中,水位抬升过程中,滑坡模型变形较小,变形加速阶段出现于水位下降期间,且变形速率与水位下降速率成正比,即临江Ⅰ号崩滑体为典型的动水压力型滑坡;降雨影响下坡体变形在时间和空间上存在明显分区现象,时间上,变形发展主要集中于坡体浅表层饱和之后,即短时降雨对坡体变形未产生显著影响,空间上,坡体前缘和后缘变形剧烈;库水位下降和强降雨联合作用下坡体前缘产生局部流滑破坏,并溯源发展至前缘整体破坏,为典型的牵引式破坏模式。试验揭示处于临滑阶段坡体,其孔隙水压力、土压力变化呈现异常频繁的波动现象,可为滑坡预警预报提供一定参考依据。     

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.     

基于相空间重构和小波分析-粒子群向量机的滑坡地下水位预测

预测滑坡地下水位的动态演变过程对滑坡稳定性分析具有重要意义, 三峡库区库岸滑坡地下水位时间序列受多种因素影响, 呈现出高度非线性非平稳的特征.为对其进行预测, 提出一种基于相空间重构的小波分析-粒子群优化支持向量机(wavelet analysis-support vector machine, 简称WA-PSVM)模型.该模型引入小波变换法对地下水位序列进行时频分解, 将非平稳的地下水位序列转变为多个不同分辨率尺度下的较平稳的地下水位子序列; 然后重构各子序列的相空间, 再利用PSVM(全称support vector machine)模型对地下水位各子序列进行预测, 最后将各子序列预测值相加得到最终预测结果.以三峡库区三舟溪滑坡前缘STK-1水文孔日平均地下水位序列为例, 首先分析滑坡前缘地下水位变化的影响因素, 再将WA-PSVM模型应用于地下水位预测, 并与单独PSVM模型和小波分析-BP网络模型(wavelet analysis-back propagation, 简称WA-BP)作对比.结果表明: 滑坡前缘地下水位受降雨和库水位影响较大, 利用WA-PSVM模型对STK-1水文孔地下水位进行预测的均方根误差为0.073m、拟合优度为0.966, WA-PSVM模型预测精度高于单独PSVM模型和WA-BP模型.WA-PSVM模型解决了地下水位序列非线性非平稳的问题, 在不考虑影响因素的情况下能获得满意的预测效果, 具有较高的建模效率和较强的实用性.      

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。     

Displacement prediction in colluvial landslides, Three Gorges Reservoir, China

The prediction of active landslide displacement is a critical component of an early warning system and helps prevent property damage and loss of human lives. For the colluvial landslides in the Three Gorges Reservoir, the monitored displacement, precipitation, and reservoir level indicated that the characteristics of the deformations were closely related to the seasonal fluctuation of rainfall and reservoir level and that the displacement curve versus time showed a stepwise pattern. Besides the geological conditions, landslide displacement also depended on the variation in the influencing factors. Two typical colluvial landslides, the Baishuihe landslide and the Bazimen landslide, were selected for case studies. To analyze the different response components of the total displacement, the accumulated displacement was divided into a trend and a periodic component using a time series model. For the prediction of the periodic displacement, a back-propagation neural network model was adopted with selected factors including (1) the accumulated precipitation during the last 1-month period, (2) the accumulated precipitation over a 2-month period, (3) change of reservoir level during the last 1 month, (4) the average elevation of the reservoir level in the current month, and (5) the accumulated displacement increment during 1 year. The prediction of the displacement showed a periodic response in the displacement as a function of the variation of the influencing factors. The prediction model provided a good representation of the measured slide displacement behavior at the Baishuihe and the Bazimen sites, which can be adopted for displacement prediction and early warning of colluvial landslides in the Three Gorges Reservoir.     

降雨诱发深层老滑坡复活变形的动态作用机制

强降雨易引发大型深层老滑坡的复活变形,研究其作用机制对建立滑坡变形破坏的降雨阈值,实现滑坡灾害的预警预报具有重要意义.以三峡库区秭归县谭家湾大型深层老滑坡为例,在地表宏观裂缝时空分布规律的精细描述基础上,结合15年的人工监测和2年的实时监测数据,分析了老滑坡的复活变形特征和发展过程.通过滑坡阶跃阶段的位移与降雨（当前降雨和前期降雨）的相关性分析,提出了降雨对深层滑坡复活变形演化过程的动态作用机制.谭家湾滑坡的7次“阶跃”变形与强降雨相关,但累积位移增量与累积降雨量无明显正相关关系,水平位移增量基本相同时,累积降雨量明显不同.引起第一次阶跃变形的累积降雨量和最大日降雨量均明显大于后续阶段,可能受控于强降雨的作用机制由“孔隙渗流”为主,逐渐转变为“渗透性增加的孔隙渗流+裂隙优势流”的综合渗流模式.这对进一步深入研究强降雨诱发深层老滑坡阶跃变形的内在机理与灾害预警具有一定的理论意义和参考价值.      

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.     

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。