基于物理模型试验的多层滑带滑坡变形演化特征

滑坡变形演化特征一直是滑坡灾害预测与防治领域急需解决的关键问题,但对于多层滑带滑坡的变形演化特征却少有研究。以物理模型试验为手段建立了三层滑带滑坡物理试验模型,完成了多层滑带滑坡变形演化全过程的模拟。基于PIV技术获取坡表位移数据,通过柔性测斜仪监测滑坡深部位移,同时布设土压力盒获取滑坡内部土压力的变化情况,实现了多层滑带滑坡演化过程多参量数据分析。试验结果表明,多层滑带滑坡破坏过程可分为初始、等速、加速和破坏4个阶段。不同破坏阶段滑坡的主要变形区域不同,下层滑体受到上层滑体牵引作用,在重力和推力作用下滑坡变形逐渐向浅层发展。变形过程中滑坡应力逐渐向滑带集中,滑坡推力沿埋深方向呈多级梯形分布。加速变形阶段滑带处应力迅速增大,滑坡体内产生多层应力集中带,滑带位置推力变化与滑坡位移显著相关。     

基于深部位移监测的浙江省中林村滑坡变形特征分析

位移监测是获取滑坡范围、滑面位置、滑坡方向等变形特征最直接和最有成效的一种手段,可以为滑坡防治提供较为精准的数据。采取测斜仪和FBG光纤等2种深部位移监测方法,对浙江省中林村滑坡的变形特征与稳定性发展趋势进行了较系统研究分析。监测结果表明:中林村滑坡可分为上部、中下部2个部分,它们均处于蠕滑状态,变形呈缓慢增长趋势。2部分岩土体滑向、滑面埋深、滑动方式等差异明显,斜坡上部具有牵引式滑动特征,活动性不明显,受高陡临空面影响;斜坡中下部具有推移式滑坡特征,活动特征较明显,降雨为主要的诱发因素。      

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0~6d,库水位下降对滑坡位移影响的滞后时间为0~21d。      

甘肃黑方台陈家８＃静态液化型黄土滑坡变形特征及成因机理

甘肃黑方台为灌溉诱发的静态液化型黄土滑坡发育地区,这类滑坡变形破坏具有明显的突发性,２０１５年黑方台东北侧的陈家８＃ 滑坡发生了３次滑动,在前方沟谷内形成了４．４×１０４ ｍ３ 黄土堆积体。通过野外调查和位移监测,获得了陈家８＃ 静态液化型黄土滑坡的完整变形曲线,其滑坡变形过程可分为前期稳定、匀速变形和加速变形３个阶段,位移具有明显的突发 性,滑前坡体底部饱水黄土的静态液化是诱发滑坡连续发生的原因,而滑坡弧形凹槽产生的汇水作用 是 使３次滑动呈渐进后退式的重要因素。有效的地表变形监测和宏观上地下水渗出规律的识别是预警这类滑坡的重要手段。      

GPS在冷水江滑坡变形观测中的应用研究

文章主要叙述了GPS在冷水江滑坡变形监测的应用,结合该工程实例主要介绍了冷水江滑坡的情况、GPS变形监测技术以及GPS在滑坡变形监测中的应用,包括方案,GPS数据处理,分析变形数据.通过本次GPS在冷水江滑坡变形监测的应用研究,发现GPS的测量精度完全可以满足滑坡变形监测的精度要求,且具有明显的优点.     

基于状态划分的滑坡位移预测方法研究

滑坡位移预测是滑坡灾害研究中的一个重要内容,然而现有研究将滑坡视为一个对外界响应稳定的系统,即相同的外界条件下,滑坡的位移变化是相同的。实际上,随着时间的推移,滑坡所处状态不断变化,相同的外界激励下的位移响应相差甚远。从滑坡状态与位移的响应规律出发,提出了一种基于状态划分的滑坡位移预测方法以实现更高精度的滑坡位移预测。采用K均值聚类法对滑坡变形速度和加速度进行了聚类分析,获取了表征滑坡变形程度和变形趋势的状态标签。根据状态标签对监测数据进行了划分,对每一类数据均单独构造一个BP神经网络,并依据上一时刻的状态标签选择对应的预测器来完成滑坡位移预测。将该方法运用到白水河滑坡的工程实例研究中,结果表明此方法具有较高的预测精度。      

GPS技术在湖北罗针田滑坡变形监测中的应用

文章通过利用GPS技术对湖北罗针田滑坡进行变形监测这一实例,简述了GPS技术在滑坡监测中的应用情况,并对采集的GPS数据进行分析,取得了良好的监测效果,对滑坡变形监测具有一定的利用价值。     

基于密集多点变形监测的公路滑坡主滑方向动态判别

滑坡主滑方向是研究滑坡形成机理和确定抗滑防治方案的重要依据。滑坡随着时间的演化,其主滑方向也是一个动态变化的过程。滑坡主滑方向是滑坡位移状态的综合反映,在滑坡体上布设密集多点变形监测系统,根据小样本监测数据服从ｔ分布的规律,使用肖维勒准则剔除监测数据中的异常值,运用区间估计的方法来求取所有监测点位移方向的均值,通过主滑方向－时间过程曲线来动态判别滑坡主滑方向。将该方法运用到某公路滑坡工程实例研究中,在滑坡体上布设由５３个地表位移监测点和１９个深部位移监测点组成的密集多点变形监测系统,运用由全站仪和 ＧＰＳ组成的监测仪器系统,对该滑坡开展为期２５个月的地表水平位移监测。通 过地 表位移数据分析对比,采用此方法估计的主滑方向和滑坡体宏观变形体现的滑动方向基本一致。经过误差分析和显著性检验,表明此方法可以较好地对滑坡主滑方向进行了动态判别。将此结果与深部测斜监测到的滑动方向进行了对比,结果基本保持一致,再次说明运用上述方法来动态判别滑坡主滑方向是可行的。在 防 治 工 程 中,确定了准确的滑坡主滑方向后,指导抗滑桩长轴布设方向和锚索主要受力方向均沿此确定的主滑方向实施,经过长
达８个月的持续监测表明,防治措施起到了良好的控制作用,体现了该方法的工程应用价值。      

BDS/GPS单历元阻尼LAMBDA算法及其在边坡变形监测中的应用效果分析

论述了BDS/GPS双系统组合下的单频单历元阻尼LAMBDA算法原理,并基于该算法实现一种实时远程变形监测系统。以理县某边坡变形监测应用为例,比较了GPS、BDS及其组合系统下的观测条件和阻尼LAMBDA算法定位效果：BDS的观测卫星数多于GPS,PDOP值相较于GPS也更加稳定;BDS单历元解标准差在N、E、U方向上分别为0.40 cm、0.31 cm、1.00 cm,优于GPS的0.61 cm、0.40 cm、1.74 cm。长期实验结果表明,在我国南部边坡监测中,BDS相比GPS具有一定优势。理县边坡23个月内位移量显著,3个监测站平均位移在N、E、U方向上分别达到8.70 cm、43.63 cm、18.03 cm。强降雨是引起土质山体滑坡的主要因素,使用累积降雨量和累积位移量建立线型回归模型,线性相关系数在0.98以上。在边坡监测中,可将实时的位移数据和降雨数据作为滑坡预警的重要依据。     

基于极限位移准则和变形预测的滑坡变形潜势分析

为准确掌握库区滑坡变形潜势,在变形监测成果统计基础上,首先利用极限位移准则开展滑坡现状变形潜势分析;然后以相关向量机为理论基础,通过优化处理保证其参数最优性,构建滑坡变形预测模型,并以预测结果开展滑坡变形潜势的发展趋势评价;最后结合两种分析结果,实现滑坡综合变形潜势分析。结果表明,不同监测点的现状变形潜势状态存在一定差异,由不利原则可知,现状变形潜势等级为Ⅳ级,潜势程度属严重状态;滑坡变形仍会进一步增加,变形潜势趋于不利方向发展。综合两种分析结果可知,滑坡变形潜势处于不利状态,后期失稳可能性较大,应加强灾害防治,避免成灾损失。     

新铺下二台滑坡变形机制及中长期预报模型

以奉节新铺下二台滑坡为例,基于GPS位移监测数据、裂缝数据、降雨量及库水位等多源数据,总结分析了大型古滑坡的复活规律,引入滑坡中长期预报模型,实现了以季度或月份为时间单位的跨水文年滑坡位移预测,并通过岩土体蠕变压缩模型,验证了推移式滑坡后缘裂缝形成机理。结果表明：(1)降雨是下二台滑坡变形的主导因素,滑坡变形使得滑体产生裂缝并成为降雨入渗通道,加剧了岩体破碎与软弱层软化,降低了滑坡稳定性,集中持续降雨可使滑坡失稳破坏;(2)通过模型预测值与地表监测数据的比较,将年降雨量作为滑坡中长期预报模型中的主控因素具有实际可操作性且有助于提高滑坡中长预报精度;(3)推移式滑坡后缘裂缝由滑坡推移式位移和岩土体压缩形成,引入蠕变压缩模型计算的裂缝宽度并和监测数据的比较说明,蠕变压缩模型非常适合该类边坡,同时应用岩土体蠕变压缩模型反推得到岩土体平均变形模量,判断岩体破碎程度,可以为滑坡稳定性分析及后续工程治理提供参考。     

基于生成对抗网络的动水驱动型滑坡状态识别方法

动水驱动型滑坡状态识别能更有效地辅助分析滑坡形变规律, 实现滑坡状态的准确识别对深入展开动水驱动型滑坡状态研究具有重要意义。针对目前动水驱动型滑坡突变状态研究较少, 难以获得相关特征, 从而导致状态识别性能不佳的问题, 提出了一种应用于动水驱动型滑坡状态识别的生成对抗网络学习方法。本方法通过构建滑坡状态监测数据矩阵, 依据少量数据样本设计合理的生成器网络完成对滑坡状态的数据扩增并设计判别器网络实现扩增数据的筛选, 通过对抗生成网络实现对滑坡状态的分类, 达到滑坡状态识别的目的。以三峡库区白水河滑坡为研究对象, 将降雨、库水位、深部位移和地表位移等多源监测数据进行了规范化处理, 设计生成器网络和对抗器网络完成了对滑坡状态数据的扩增, 设计滑坡状态识别生成对抗网络完成了对滑坡状态的分类和识别。结果表明, 生成对抗网络对滑坡状态识别具有较高的准确率。研究结果证实本方法能够对目标区域内的动水驱动型滑坡状态进行准确识别和分类, 可直接应用于工程实际。      

Kalman滤波理论在滑坡监测中的应用

以Ｋａｌｍａｎ滤波理论为基础，提出将Ｋａｌｍａｎ滤波方法应用到形变监测数据处理中，导出了各种形式的形变监测网的状态方程和观测方程，并给出一些简单实用的滤波所需初值的选取方法。最后，以重庆市嘉陵江边的镇江寺滑坡为例，进行了实例分析。结果表明：Ｋａｌｍａｎ滤波方法简单、快速，处理的资料具有较好的连续性，所提方法具有较好的实用价值。     

顾及降雨及库水位因素的滑坡时滞分析与预测——以三峡库区新铺滑坡为例

降雨及库水位涨落是引起库岸滑坡形变失稳的主要诱发因素,但滑坡位移速率对此类诱发因素的响应具有一定的滞后性,影响人类对滑坡所处运动状态的判断与预测.针对常规预测模型中未考虑时滞效应的问题,利用三峡库区新铺滑坡的GNSS位移监测数据、奉节气象站降雨数据以及三峡库区库水位涨落数据,通过对监测区内9个GNSS监测点的位移速率序...     

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。      

一种基于M估计的Robust-ELM滑坡位移预测方法

采用传统ELM算法进行滑坡位移预测时,其网络输出权值由最小二乘估计得出,导致ELM抗差能力较差,从而造成网络训练参数不准确。为此,将M估计与ELM相结合,提出一种基于M估计的RobustELM滑坡变形预测方法。该方法利用加权最小二乘方法来取代最小二乘法计算ELM输出权值,以减少滑坡监测数据中粗差对ELM预测的干扰。分别以链子崖、古树屋滑坡体为例,将Robust-ELM进行了单维、多维粗差的抵御性验证。结果表明,该方法能够有效降低粗差对预测的影响,具有良好的抗差能力。     

基于干涉点目标分析方法的大光包滑坡形变监测

为研究干涉点目标分析(IPTA)方法应用于超大型滑坡形变监测的有效性,采用IPTA方法处理大光包滑坡65景Sentinel-1A影像,获得大光包滑坡的总体形变趋势及时间序列,并与StaMPS-SBAS方法的处理结果进行交叉验证,同时结合全球降水数据进一步分析形变与降雨之间的关系。结果表明,IPTA方法在超大型滑坡形变监测方面具有较好的应用效果;大光包滑坡在观测期间一直处于形变状态,雷达视线向形变速率最高达-50.590 mm/a;滑坡特征点形变速率在雨季明显加快,存在再次发生滑坡的风险。