基于粒子群-变分模态分解、非线性自回归神经网络与门控循环单元的滑坡位移动态预测模型研究

以三峡库区八字门阶跃型滑坡为例,针对静态机器学习模型在周期项位移预测中的不足以及高频随机项位移预测困难等问题,提出了一种新的滑坡位移预测方法。基于时间序列分解思想,采用粒子群算法（PSO）对变分模态分解（VMD）进行参数寻优,并将位移时间序列分解为趋势项、周期项和随机项。趋势项主要受滑坡内部因素影响,采用傅里叶曲线进行拟合预测;周期项由外部因素导致,基于格兰杰因果检验进行成因分析,并引入一种对时间序列历史状态具有较高敏感性的非线性自回归神经网络（NARX）进行预测;随机项频率较高且影响因素无法判定,采用一维门控循环单元（GRU）进行预测。最后将各分量预测位移进行叠加重构,实现滑坡累计位移的预测。结果表明,提出的（PSO-VMD）-NARX-GRU滑坡位移动态预测模型精度较高,且各位移分量预测精度明显高于静态模型中BP神经网络、支持向量机（SVM）和传统自回归模型ARIMA,可为阶跃型滑坡位移预测提供参考。     

层状岩石不排气三轴压缩力学特性试验研究

为研究地下隧洞开挖过程中围压和孔隙气压对层状千枚岩力学特性及变形参数的影响,以氩气作为渗透介质,开展层状千枚岩不排气三轴压缩试验,分析层状千枚岩在不同围压和孔压下应力-应变关系、峰值强度、变形特性及破坏形式随层理倾角的演化特征。引入基于层理倾角的各向异性度公式,探讨围压和孔压对层状千枚岩各向异性的影响。结果表明：不排气条件下,当孔压减小或围压增大时,层状千枚岩峰值强度逐渐增大;岩石峰值强度σ_c、弹性模量及变形模量随层理倾角的增大呈“U”型变化;层理倾角在30°～60°之间,层状千枚岩存在层理弱面,破坏形式主要为沿层理面剪切滑移破坏;层状千枚岩在平行层理方向受围压、孔压影响较大,呈现明显各向异性特征。