黄土-泥岩接触面滑坡的两种雨型模型试验

黄土边坡变形失稳机理研究对于黄土滑坡灾害防治具有重要意义。黄土-泥岩接触面滑坡作为黄土滑坡类型之一,研究人员已对其失稳基本过程与形成机理有较为清晰的认识。但对于其在不同降雨类型下,特别是强降雨条件下的变形破坏过程则有待进一步探讨。因此,本文对黄土-泥岩接触面边坡开展室内降雨模型试验,研究其在强降雨条件下斜坡变形破坏模式。试验设计连续强降雨和间断强降雨两种降雨条件,对比分析两种降雨条件下边坡雨水入渗规律及变形破坏模式。结果表明:在两种典型降雨模式下,雨水入渗速率由边坡前缘至后缘逐渐降低;在坡体表层,随着降雨由间断至连续过渡,入渗速率逐渐增加;在坡体深部,入渗速率受边坡结构影响;间断降雨下边坡呈现滑移-拉裂失稳;在连续降雨条件坡体则表现为蠕滑-拉裂破坏。     

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。