基于运动角差的滑坡监测点相似性评判方法研究

在相同或相似的外界条件下,滑坡位移监测点运动的相似性极大程度地表明了滑坡内部结构和外在表现的相似程度。因此,采用合适的相似性评价方法具有较大的理论价值和实际意义。本文提出了一种基于运动角差的滑坡监测点相似性评价方法。将不同滑坡的变形速度的数值转换为角度,将变形加速度转换为角度差。通过比较角度差的差异,更准确地对滑坡不同监测点的相似性进行评价。针对监测点数据充足的情况下,提出了更为精确的三维运动角差。运用该方法不仅突出了针对相同外界因素下监测点位移的不同响应,而且在很大程度上消除了不同规模滑坡的尺度效应。通过实验认证,将该方法运用到同一滑坡上不同监测点相似性评价后进行分区、三峡库区不同滑坡的相似度评价、以及相似滑坡监测点的位移预测等方面都取得了良好的效果。     

基于运动角差的滑坡监测点相似性评判方法研究

在相同或相似的外界条件下,滑坡位移监测点运动的相似性极大程度地表明了滑坡内部结构和外在表现的相似程度。因此,采用合适的相似性评价方法具有较大的理论价值和实际意义。本文提出了一种基于运动角差的滑坡监测点相似性评价方法。将不同滑坡的变形速度的数值转换为角度,将变形加速度转换为角度差。通过比较角度差的差异,更准确地对滑坡不同监测点的相似性进行评价。针对监测点数据充足的情况下,提出了更为精确的三维运动角差。运用该方法不仅突出了针对相同外界因素下监测点位移的不同响应,而且在很大程度上消除了不同规模滑坡的尺度效应。通过实验认证,将该方法运用到同一滑坡上不同监测点相似性评价后进行分区、三峡库区不同滑坡的相似度评价、以及相似滑坡监测点的位移预测等方面都取得了良好的效果。     

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。     

基于集对分析的滑坡变形动态建模研究

滑坡是一个确定-不确定的动态系统,其变形表现出复杂的非线性演化特征。为了克服传统分析方法在处理系统不确定性方面的不足,将集对分析法（SPA）引入岩土变形监测分析领域,并结合层次分析法（AHP）提出了滑坡变形动态预测模型,给出了基于概率论的最优预测算法,提出并证明了集对论中最大同一度在等势条件下存在极限解,据此提出位移势的概念。在位移势的基础上,进行SPA二次建模,提出了基于SPA的滑坡变形与水库蓄水过程相关性动态分析模型。运用上述预测模型对新近发生的刘家沱滑坡进行变形监测定量分析,实践证明：最优预测值具有良好的短期预报精度;位移势能够表征系统当前状态下位移所能达到的最大潜力,可作为短期预测的上限值,其变化能够反映系统宏观层面上的演化特征,对滑坡演变加速预警具有指导意义;运用集对分析方法进行滑坡变形响应滞后效应的定量研究是一条可行的新思路,反演结果与实际情况吻合;该方法在岩土监测分析领域有良好的应用前景。     

滑坡监测点多信息相似性度量方法研究

滑坡监测点在一段时间内对外界影响因素的响应可以看作滑坡在当前时刻的状态。滑坡监测点在相似的状态下受到相似的外界激励时会表现出相似的响应。据此,可以对相似的状态进行类比,从而将相似状态运用于滑坡的稳定性分析、数据修正和预测预报等。提出一种基于多信息的状态单元矩阵的相似性度量方法,运用该方法同时对滑坡的外界影响因素和运动状态进行相似性匹配,既保证了外界影响因素的相似性,也保证了滑坡当前运动状态的相似性。为验证该方法的有效性,运用三峡库区4个滑坡34个监测点的1 770个状态作为状态单元集,对白水河滑坡2015年1月至2016年6月的位移数据进行预测。预测结果显示,该方法优于现有的BP神经网络、支持向量回归等经典预测方法。     

三峡库区白家包滑坡变形特征与影响因素分析

针对三峡库区阶跃型滑坡,以白家包滑坡为例,统计分析滑坡位移、变形速率和裂缝监测数据。显示滑坡在2007年6月之前为蠕动变形初期,受降雨和库水位等外界因素的作用,6月滑坡发生剧烈变形,之后一直保持约75°方向滑动。滑坡体中前部位移速率大于后缘,其变形具有牵引式特点。滑体上裂缝与变形位移具有一致性,位移量越大的区域裂缝越发育。将位移速率与降雨、库水位和地下水进行影响机制分析,建立滑坡变形与外界动态影响因素之间的响应关系。结果表明降雨量和库水位变化是引起滑坡季节性变形的主要因素,其中降雨强度、库水位下降及下降速率是导致滑坡位移速率波动大小的关键因子。     

基于指数平滑法与回归分析相结合的滑坡预测

滑坡时间预报研究是滑坡研究中的一个热门课题。以实际监测数据为基础,把指数平滑法与非线性回归分析法结合起来;以滑坡的变形值和变形速率为判据,对滑坡进行时间失稳的动态跟踪预报。根据某滑坡的实际情况,对部分监测点位移进行了建模和预测,预测结果表明,该方法具有较高的精度,可以应用于实际工程。     

滑坡位移非线性时间序列预测模型研究

从分析滑坡位移的实际变化情况和滑坡位移演变规律的角度出发,将滑坡位移分解为受其自身地质结构属性控制的趋势项位移分量和由外界环境因素影响的周期项位移分量。采用经验模态分解法对滑坡位移趋势项和周期项进行非线性时间序列的分解;在此基础上采用标准GM(1,1)灰色模型、滚动GM(1,1)灰色模型和灰色马尔科夫模型分别对滑坡位移的趋势项和周期项进行预测,将预测结果进行叠加运算,即可得到滑坡位移的预测值。以三峡库区白水河滑坡的位移变化情况为例,通过分析对比滑坡位移的实测值与预测值之间的位移-时间关系曲线,可以很好地预测出滑坡位移的发展变化趋势。这说明对滑坡位移进行时间序列分解,有助于提高滑坡位移的预测精度,并可有效应用于滑坡位移预测的工程实例中。     

基于一元线性回归模型八字门滑坡累积位移预测

我国滑坡灾害发生频繁,但滑坡的变形预测预报一直是难题,因此每年都因滑坡的变形破坏导致重大的人员伤亡和财产损失。以三峡库区八字门滑坡为研究对象,基于十多年的监测数据分析,研究分析了该滑坡的变形特征:八字门滑坡变形的主要影响因素为降雨和库水位下降,并且累积位移曲线具有"阶跃型"的变形特征。当外界因素去除或者减小的情况下,累积位移-时间曲线将变得平稳。根据此特性,选取每年变形曲线"阶跃段"（6~8月份）的监测数据,以累积位移为目标函数,基于一元线性回归模型,对八字门滑坡2004年到2017年同期的滑坡监测数据进行分析。结果表明:一元线性回归模型能够很好地模拟八字门滑坡"阶跃段"的变形过程,此变形阶段累积位移与时间呈线性关系,直线斜率基本相同。根据此线性关系,对滑坡的累积位移进行了预测,结果表明与实际监测数据相比较,预测误差在±5 mm以内,相对误差在1%以下,精度可以满足滑坡监测预警要求,可以为八字门滑坡的防治工作提供参考。     

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。     

滑坡变形监测技术的最新进展

地表位移及深部位移是刻画滑坡所处当前状态的关键物理量,其变化趋势可直接用于滑坡稳定性的预测及各类支挡工程效果的评价。文章对各类滑坡变形监测技术的基本原理及依托技术进行了简述,将所有变形监测技术归纳为测点型、测线型及测面型等三种,并探讨了各自的适用范围及监测精度。文章还就滑坡变形监测数据的无线传输技术进行了概述,并提出了适用于滑坡变形监测的主要传输方式。     

滑坡位移动态实时跟踪预测

在滑坡动态观测数据时序系统建模理论方法基础上 ,采用限定记忆最小二乘递推法 ,提出滑坡位移动态跟踪预测问题 ,介绍了该方法的基本原理及预测步骤 ,通过实例的综合研究进一步证明了该动态跟踪预测方法的可行性 ,并达到一定的预测精度 ,可以对一定条件下的滑坡变形位移作出超前动态预测     

滑坡位移动实时跟踪预测

在滑坡动态观测数据时序系统建模理论方法基础上，采用限定记忆最小二乘递推法，提出滑坡位移动态跟踪预测问题，介绍了该方法的基本原理及预测步骤，通过实例的综合研究进一步证明了该动态跟踪预测方法的可行性，并达到一定的预测精度，可以对一定条件下的滑坡变形位移作出超前动态预测。     

滑坡位移分解预测中的平滑先验分析方法

目前在滑坡位移预测研究中,先将滑坡位移数据分解为趋势项及周期项后再分别进行预测已成为普遍做法。平滑先验分析法(Smoothness Priors Approach,SPA)是一种计算过程简单、计算量极小,且能快速分离原始数据趋势项和周期项的数据处理方法。在介绍SPA基本原理基础上,以三峡库区白家包滑坡典型监测点位移数据为例,对通过调节SPA正则化参数而获得的不同趋势项及周期项进行特征分析;进而结合对滑坡变形演化机制过程的先验分析,根据位移分解特征确定合理的参数取值;最后针对不同参数SPA位移分解数据,采用支持向量机进行位移预测对比分析。结果表明,SPA是一种适用于滑坡位移预测的位移分解方法,通过调节正则化参数并结合滑坡变形机制先验分析,能够获得较为合理的位移分解结果,进而提高滑坡位移预测精度。     

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。     

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。     

滑坡位移的动态概率预测模型

滑坡位移预测是实现滑坡灾害预报的有效手段,文章利用回声状态网络建立动态预测模型来预测滑坡位移。与传统预测方法相比,动态模型能更好地反映出滑坡演化的动态系统本质;动态模型的建立不需要计算互信息来实现变量选择,也使得预测过程得到简化。考虑到确定性预测的局限性,文章进一步将概率预测的思想引入滑坡位移预测的研究中,提出一种动态预测模型的概率预测方法。所提动态预测模型的预测精度,在白水河和石榴树包两个滑坡位移预测的具体案例中得到了检验;而通过概率预测得到具有明确置信度水平的预测区间,从而也对滑坡状态发展变化趋势给出了更全面的描述。     

阶跃型位移特征滑坡时间预测预报研究

滑坡时间预测预报目前主要以滑坡最终破坏的时间为目标函数,但对于变形特征为阶跃型的滑坡却难以准确地预测其破坏时间。为此,提出以位移作为此类滑坡时间预报的目标函数。将滑坡位移分解为蠕变位移和波动位移,采用二次移动平均法分别提取,然后采用多项式拟合和灰色GM(1,1)模型分别对蠕变位移和波动位移进行预测,最后将两部分预测位移相加得到滑坡预测的总位移。以典型阶跃型位移特征滑坡——三峡库区八字门滑坡为例,运用其位移监测数据进行验证,并对多模型预测结果进行对比分析,结果表明,该位移预测模型预测精度良好,能较好地预测阶跃型位移特征滑坡位移。     

速度倒数法滑坡预警模型流变试验研究

滑坡失稳的预测预报研究是地质工程领域中的一项重要课题,准确地确定预测预报理论模型的参数是实际应用中的难点。在实际滑坡监测中通常可以观察到位移曲线呈现阶梯形,这些阶梯形位移变化点就是滑坡的变形突变点。为研究滑坡变形突变点的变形特征,进行了不同荷载作用下的天然试样以及不同荷载、不同含水率作用下的浸水试样的流变试验,得到了累计位移-时间曲线以及变形速度-时间曲线。依据秦四清的锁固段理论以及速度倒数法滑坡预警模型对试验结果进行分析。研究结果表明：荷载和含水率的变化对模型参数没有影响,模型参数是关于材料属性的函数;变形过程中突变点的变形特征与破坏时的变形特征相似,并且速度倒数法预警模型在突变点和破坏点确定的模型参数基本一致。因此,滑坡监测曲线中早期位移突变点确定的模型参数可以用于确定滑坡破坏时的预警模型。     

基于BP神经网络的滑坡监测多源异构数据融合算法研究

针对滑坡监测中的多源异构数据融合问题,论文提出了一种基于BP神经网络的多源异构监测数据融合算法。该算法将影响滑坡变形的温度、湿度、风力、云量、单日降水量和累计降水量等多环境因子变量作为输入变量,以滑坡位移变化量数据作为期望输出数据,并利用各环境因子变量和滑坡位移变化量的相关性及显著性进行环境因子变量筛选,以提高算法的预测精度。论文采用甘肃省永靖县黑方台党川滑坡的实测数据进行了试验,结果表明:反向传播（Back-Propagation,BP）神经网络数据融合算法适用于具有多源异构监测数据的滑坡变形预测;在进行环境变量因子筛选后,BP神经网络数据融合算法的决定系数达到0.985,均方根误差（RMSE）达到0.4787 mm,从而有效提高了变形预测结果的精度。