基于模型试验的动水驱动型顺层岩质滑坡启滑机制初探

动水驱动型顺层岩质滑坡数量多、灾害频发、危害大, 是滑坡地质灾害领域的研究重点, 但目前对于滑坡启滑机制的认识仍不充分, 滑坡的准确预报还面临巨大挑战。鉴于此, 以含软弱夹层的中倾角顺层岩质滑坡为研究对象, 通过构建理想的单层滑带滑坡物理模型, 开展了一系列动水作用下的滑坡模型试验研究。结果表明, 动水作用下顺层岩质滑坡从开始变形至失稳滑动需经历初始变形、缓慢变形、加速变形和失稳破坏4个阶段, 而各个阶段的演化特征与滑面粗糙度和倾角密切相关。滑面倾角越大或粗糙度越小, 滑坡体从开始变形至失稳滑动所需的时间则越短; 相应地, 坡体加速变形阶段越不明显, 滑坡破坏的突发性越强。滑带内的渗流冲蚀作用会使滑带土中的骨料流失, 导致其抗剪强度降低, 进而引发坡体滑动。与此同时, 上覆坡体的压剪作用以及变形演化过程亦将反过来影响冲蚀强度。基于滑带土黏聚力随水力梯度和冲蚀时间的变化关系, 提出了渗流驱动下滑带土黏聚力演化模型, 可较好地描述滑带土黏聚力的退化过程。滑面粗糙度的存在不仅显著影响了滑带的冲蚀劣化规律, 还改变了滑带不同区域的破坏模式。此外, 通过考虑滑面粗糙度对滑带不同区域破坏模式的影响, 开展了动水多效应关联分析, 建立了滑坡地质体力学分析模型, 实现了动水作用下顺层岩质滑坡动态稳定性的有效评估。本研究成果可为实际动水驱动型顺层岩质滑坡的预测和防治提供理论参考。      

基于开源数据和条件生成对抗网络的地形重建方法

如何使用少量的地形特征复原地形地貌一直为地学领域的难题。本文使用开源数据集提取地形特征要素,使用地形特征要素作为约束条件构建了用于生成DEM的条件生成对抗网络(Conditional Generative Adversarial Networks, CGAN),设计了基于开源DEM、开源DEM与遥感影像组合、以及5m高精度DEM提取地形特征要素生成DEM的对比实验,并对结果进行视觉效果、相关性分析以及地形因子的对比与评价。结果表明:(1)在视觉效果上,3种不同方式生成的DEM在视觉效果上均十分逼近原始5 m DEM,都远好于传统插值方法生成DEM,基于开源12.5m DEM提取要素和1m遥感影像的重建效果最接近于原始5 m DEM;(2)在相关性上,三种不同方式生成的DEM与原始5m DEM相关性均能达到0.75以上,组合开源数据提取要素重建DEM与原始5 m DEM相关性可达到0.85以上;(3)在地形因子方面,基于开源12.5 m DEM和1 m遥感影像提取要素重建DEM的坡度和坡向的分布趋势与原始5 m DEM最为一致。本文为高精度DEM建模提供了新的思路,在高精度DEM难以获取...     

基于双重注意力机制的滑坡识别方法优化

随着计算机视觉技术的发展,通过卫星图像深度学习进行滑坡识别的研究正在逐步展开。通过引入双重注意力机制,提出了一种基于卷积神经网络的滑坡图像识别优化算法。基于统计的2 200张滑坡图像数据集,探讨了10种网络结构及4种注意力机制对滑坡识别结果的影响,并通过比例为4∶1的训练集和测试集进行滑坡识别,验证了本文方法的有效性。结果表明：ResNet结构相较于其他网络结构表现更为优秀,就该算例而言,ResNet-101结构具有最高的召回率、精确率和F1度量。融入了双重注意力机制的卷积神经网络相较于单个神经网络而言,滑坡识别的精确率更大,且滑坡边界分割结果更接近于真实的滑坡边界,其中,ResNet-101+DAN模型为最优模型。相较之下,单个神经网络无法克服图像噪声的影响,图像分割结果不佳。     

基于生成式对抗网络的地形特征线提取方法

地形特征线反映了地形表面的起伏形态,其提取对地理分析和研究具有重大意义.近年来,深度学习为图像处理技术提供了巨大的发展潜力.研究提出了基于深度学习模型——pix2pix的地形特征线提取方法,在山地和高原两种地形下进行了实验,并且将该方法应用于多比例尺底图的地形等高线提取研究.实验结果表明,pix2pix模型不仅在地形特...     

基于SBAS-InSAR的矿区采空区潜在滑坡综合识别方法

针对位于山区且受大量采空区影响的边坡,利用传统测量方法监测耗费人力、物力且光学遥感难以定量识别其是否为潜在滑坡的问题,本文提出一种融合研究区小基线集（SBAS-InSAR）地表监测数据、坡度及坡向的识别方法。通过SBAS-InSAR技术获得研究区地表雷达视线（LOS）方向形变速率,将其转化为垂直方向形变速率,并根据研究区DEM建立坡度及坡向分析图,根据不同山体的坡度、坡向找到易发生滑坡的区域,融入该区域垂直方向的时序形变速率,对其进行滑坡识别。实验表明：卡房镇周边受采空区的影响较大,多数区域垂直方向年形变速率大于10 mm/a;通过本文方法对研究区潜在滑坡进行识别,发现在研究区的21处历史滑坡点中,有16处被识别为潜在滑坡,5处未被识别但也位于发生形变的区域内,表明本文方法对潜在滑坡的识别精度高,具有可行性。该研究为识别采空附近的潜在滑坡提供了一种新的思路,可以有效识别采空区附近山体边坡是否处于潜在的、不明显的滑动状态,对滑坡灾害具有预警作用。     

基于滑体渗透性与库水变动的滑坡变形滞后规律研究

三峡水库运行过程中库岸滑坡的变形演化往往滞后于库水位的变化, 表现出时间滞后效应, 而且随渗透系数和库水位波动速率的不同, 滞后效应亦不同。以三峡库区白家包滑坡为例, 通过现场调查、监测数据分析以及数值模拟的方法, 研究了滑坡在不同渗透系数k和不同库水位下降速率v条件下的变形滞后时间变化规律。研究表明: 滑体渗透系数一定时, 库水位下降速率越大, 地下水滞后越明显; 库水位下降速率一定时, 滑体渗透系数越大, 地下水下降越快。当滑体渗透系数一定时, 库水位下降速率越大, 滑坡的变形滞后时间越短; 滑体渗透系数k=0.85 m/d时不同库水位下降速率作用下滑坡的变形滞后时间为3.74~9 d, 当0.47＜v/k＜1.18时, 0.24＜相对变形滞后时间＜1;当1.18＜v/k＜2.38时, 0＜相对变形滞后时间＜0.24。当库水位下降速率一定时, 滑体渗透系数越大, 滑坡变形滞后时间越短, 不同库水位下降速率下滑坡变形滞后时间随渗透系数的变化规律大致相同; 库水位下降速率v=1.8 m/d时不同滑体渗透系数下滑坡的变形滞后时间为1.7~8 d, 当0.52＜v/k＜0.84时, 0＜相对变形滞后时间＜0.16;当0.84＜v/k＜2.12时, 0.16＜相对变形滞后时间＜0.43;当2.12＜v/k＜9时, 0.43＜相对变形滞后时间＜1。研究成果对水库滑坡预测预警具有较强的应用价值。      

基于GEE和U-net模型的同震滑坡识别方法

地震滑坡解译是震后重建的重要基础工作,主要通过室内人工遥感解译和室外野外调查确定。地震滑坡相比其他地物来说更为复杂,很难通过简单指数识别。室内遥感解译通过滑坡后壁、侧壁和堆积等纹理特征进行识别,大面积同震滑坡解译工作往往耗费大量人力和物力,且耗时长,难以满足灾害应急需求。本研究利用U-net神经网络模型,结合Google Earth Engine（GEE）云平台和人工智能学习平台Tensorflow,以地震局解译的汶川滑坡作为样本数据,以震后30 m分辨率的Landsat影像、高程、坡度以及NDVI数据作为模型输入参数,自动识别并获取了汶川地震后的同震滑坡数据,同时比较了不同参数组合情况下U-net神经网络模型的分割识别精度。研究表明：① U-net模型可以用于以Landsat影像为基础数据的同震滑坡快速自动识别;② 随着高程、坡度以及NDVI等输入参数增加,模型分割精度在逐渐提高,但假阳性结果也会出现增多,震后滑坡影像+高程+坡度+NDVI的输入参数组合精度最高;③ 在细节上,模型在多参数组合的情况下,大型滑坡能够很好被识别,一些较小型的滑坡受制于影像分辨率的影响,分割精度较差。为了更好识别小型滑坡,后续研究可能需提高影像的分辨率。此外,GEE云平台大大提高了训练样本获取的效率,为科研人员快速进行基于神经网络与遥感数据的地物识别研究提供了条件。     

基于在线回声状态网络的变形数据预测分析

结合Kalman滤波与回声状态网络,将在线回声状态网络算法应用于变形数据预测。回声状态网络的输出权值通过Kalman滤波训练,直接对网络的输出权值进行在线更新,克服了传统递归网络需要收集大量样本后才能进行拟合预测的缺陷,同时也保证了预测精度。实例计算验证了该方法的有效性。     

基于LSTM＿TCN模型的降雨型滑坡时间概率预测及气象预警建模

如果滑坡发生时间信息不完备则会导致滑坡与降雨时序关系错误,以至于降雨阈值模型精度偏低。以重庆市万州区1995-2015年所发生的降雨型滑坡为研究对象,将区内严重缺失历史滑坡时间信息的恒合乡作为验证区,提出了一种基于长短时记忆网络(LSTM)融合时域卷积网络(TCN)的模型方法。该方法通过模拟降雨型滑坡发生时间与降雨量间的非线性关系,重建降雨型滑坡事件在某日发生的时间概率。将重建时间信息后的滑坡事件进行了验证与筛选,应用于累积有效降雨量-降雨历时曲线的合理划分,构建了滑坡气象预警模型。结果表明,本方法所预测滑坡时间概率平均值达到90.33%,高于人工神经网络(ANN)(71.17%)、LSTM(72.75%)和TCN(86.91%)的概率。利用预测概率高于90%的滑坡,将验证区18个时间信息扩充至201个。基于扩充时间信息后的滑坡数据所构建的气象预警模型比仅利用历史滑坡事件具有更合理的预警分级,在严重警告级别上有效预警率提升了42.86%。结果说明该方法可弥补野外调查中灾害数据时间信息不足的问题,为降雨型滑坡气象预警工作提供数据支撑,由此提高气象预警准确率。     

基于I-D阈值的滑坡气象预警双指标模型

确定降雨阈值对于管控降雨型滑坡灾害风险具有重要意义。以浙江衢州市98处降雨型滑坡为例进行降雨阈值研究。在统计分析1970—2019年梅汛期间诱发滑坡降雨特征的基础上,首先对比分析I-D、E-D和E-I曲线建立的降雨阈值模型,然后基于I-D阈值建立以当日降雨量R₀和5 d有效降雨量R₅为预警指标的滑坡气象预警双指标模型,最后采用历史降雨和滑坡数据检验模型的合理性和可靠性。结果表明：(1)I-D模型对于降雨型滑坡的预测能力优于E-D和E-I模型;(2)按双指标模型反演衢州市历史50 a滑坡气象预警情况,红色、橙色和黄色预警的年均预警次数为1.5,3.2,9.3次,具有较高的合理性;20处验证滑坡点被双指标模型准确预警,其中15处为红色和橙色预警,此外模型成功预警了2014年全部8处降雨型滑坡;(3)用于检验模型预测能力的7处滞后性滑坡全部成功预警,其中3处橙色预警、3处黄色预警和1处蓝色预警。本研究提出的预警模型有助于衢州市滑坡气象预警发布,为政府部门开展风险评价和管理提供新思路与方法。     

基于神经网络和卡尔曼滤波算法的说话人识别

首先从语音信号中提取出特征参数:线性预测倒谱系数(LPCC)和用小波包提取的小波特征参数(WPC);语音特征分类模型则选择多层前馈式神经网络(MBP网络),并将奇异值分解运用到扩展卡尔曼滤波(EKF)算法中作为神经网络的学习算法.仿真结果表明,小波特征参数具有良好的识别效果;同时采用改进后的扩展卡尔曼滤波(EKF)算法使人工神经网络具有更稳定、更准确的分类性能.     

一种基于特征信息的车牌识别方法

根据中国车辆牌照本身的现有特征信息,提出一种车牌识别方法.采用全局动态阈值法进行二值化处理图像,牌照定位算法简单迅速,字符分割参考垂直投影间隔和字符的纵横比.实验结果表明,这种方法具有良好的环境适应性和鲁棒性.     

Three-dimensional stability of landslides based on local safety factor

Unlike the limit equilibrium method (LEM), with which only the global safety factor of the landslide can be calculated, a local safety factor (LSF) method is proposed to evaluate the stability of different sections of a landslide in this paper. Based on three-dimensional (3D) numerical simulation results, the local safety factor is defined as the ratio of the shear strength of the soil at an element on the slip zone to the shear stress parallel to the sliding direction at that element. The global safety factor of the landslide is defined as the weighted average of all local safety factors based on the area of the slip surface. Some example analyses show that the results computed by the LSF method agree well with those calculated by the General Limit Equilibrium (GLE) method in two-dimensional (2D) models and the distribution of the LSF in the 3D slip zone is consistent with that indicated by the observed deformation pattern of an actual landslide in China.     

基于分数阶最优控制网络的复杂勘探随机噪声消减方法

在实际勘探记录处理过程中,复杂随机噪声的出现严重影响了有效反射信息的提取,并对资料后续处理带来了不利影响。随着非常规油气资源开发,对勘探记录质量提出了更高的要求,常规方法在处理能力方面需要持续提升。为了解决复杂噪声消减问题,笔者将最优控制网络引入随机噪声消减领域。与传统的单一尺度消噪网络不同,FOC-NET具有分层结构,能够利用不同尺度信息并结合信息融合处理实现地震勘探数据潜在特征的高精度提取,克服了传统去噪网络单一尺度信息提取造成的有效特征损失问题。同时,在面对低信噪比勘探记录和弱反射同相轴时,多尺度特征交互方式同样可以有效提高噪声压制和信号恢复能力。合成记录和实际数据处理结果均表明,即使在低信噪比条件下,FOC-NET仍能有效地抑制随机噪声并准确重构出有效反射信息,极大提升勘探资料的质量。     

一种基于BP网的非线性变换信号模式识别算法

为了获取常用超短波信号的特征参数,采取一种非线性变换的方法。根据信号参数的分布信息,对信号特征不够明显的参数进行二次变换,使所有信号的特征参数都具有较好的区分度,并利用BP网对这些特征参数进行识别。大量的仿真实验表明,该方法参数提取容易,计算量较小,在较低信噪比下能够较好地识别常用的超短波信号。识别的信号为2FSK、MSK、QAM、DPSK和FM。     

一种基于差分投影的汽车牌照自动识别方法

针对汽车牌照的特点,利用差分投影法对汽车图像进行处理,确定出牌照的准确位置并将其整体切割下来;然后利用差分投影法对牌照进行切分,切分出待识别的车牌字符;再利用模板匹配的方法对切分出的车牌字符进行识别.实践证明该方法对汽车牌照的自动识别非常有效.     

Fuzzy-support vector machine geotechnical risk analysis method based on Bayesian network

Machine learning method has been widely used in various geotechnical engineering risk analysis in recent years. However, the overfitting problem often occurs due to the small number of samples obtained in history. This paper proposes the FuzzySVM(support vector machine) geotechnical engineering risk analysis method based on the Bayesian network. The proposed method utilizes the fuzzy set theory to build a Bayesian network to reflect prior knowledge, and utilizes the SVM to build a Bayesian network to reflect historical samples. Then a Bayesian network for evaluation is built in Bayesian estimation method by combining prior knowledge with historical samples. Taking seismic damage evaluation of slopes as an example, the steps of the method are stated in detail. The proposed method is used to evaluate the seismic damage of 96 slopes along roads in the area affected by the Wenchuan earthquake. The evaluation results show that the method can solve the overfitting problem, which often occurs if the machine learning methods are used to evaluate risk of geotechnical engineering, and the performance of the method is much better than that of the previous machine learning methods. Moreover,the proposed method can also effectively evaluate various geotechnical engineering risks in the absence of some influencing factors.     

考虑降雨滑坡多级滑动的改进传递系数法研究

在多级滑坡的渐进破坏过程中, 滑带不同部位的屈服程度和破坏模式不同, 强度参数也不同。在强降雨条件下, 坡表产生的张拉裂缝充水, 会产生静水压力。当前广泛应用的传递系数法对滑带不同位置取同一强度参数, 也尚未考虑到静水压力作用。为此提出了一种考虑静水压力作用和滑带不同部位强度参数差异的改进传递系数法, 对降雨引起的西安市柳西村南部的牛角沟滑坡进行了计算。结果表明: 与不考虑静水压力和滑带不同部位强度参数差异的计算方法比, 改进传递系数法计算的抗滑力相对较小, 剩余下滑力计算结果相对较大, 各级滑坡稳定性系数分别减小了约33.26%、17.92%、24.95和16.94%;而改进前的稳定性系数偏高, 可能会导致支挡工程的安全储备不足。本研究提出的改进传递系数法可为多级滑坡处置提供更安全的参考。      

一种基于模糊神经网的超短波信号自动识别算法

针对具体的军用超短波信号,提出一种基于模糊神经网的改进信号识别算法.该算法利用模糊神经网实现模糊推理系统,采用分步识别的方法,将特征参数映射到模糊空间进行二分类.仿真表明:在具有高斯加性白噪声的环境中,信噪比高于15dB时,系统识别率高于95%.     

基于ARP协议的网络主机地址的识别技术研究

从移动IPv6工作原理入手，IP地址管理器是针对越来越严重的IP地址盗用现象而设计的一套有效的监控和管理IP地址的方案。分析与研究IP地址管理器中的信息收集模块后，以Winpcap为开发工具，利用ARP，附等协议完成对网络中活动主机的扫描以及信息（主机名、MAC、操作系统）的收集和识别。模块实现了对网络的自动实时监控，有效地提高了管理效率。