堆积层滑坡时间预报问题的讨论：以新滩滑坡为例

堆积层滑坡的准确预报有一定困难，现有的各种数学模型只适用于滑坡加速蠕变阶段的临滑预报。为此，笔者提出了堆积层滑坡的长期、中期和临滑预报工作的重点及相应对策。     

基于物理模型试验的多层滑带堆积层滑坡-抗滑桩受力特征

研究抗滑桩的受力特征是进行抗滑桩设计工作的关键。我国三峡库区部分堆积层滑坡发育多层滑带,而目前抗滑桩的设计方法仅针对单层滑坡,因此,对多层滑带堆积层滑坡—抗滑桩受力特征的研究具有重要意义。基于三峡库区堆积层滑坡工程地质特征,开展了多层滑带堆积层滑坡物理试验模型,在滑坡的后缘施加推力来模拟滑坡演化过程,同时监测滑坡—抗滑桩体系的多场信息。试验结果表明,在多层滑带堆积层滑坡的演化过程中,桩身受力表现出了很好的规律性。根据坡表位移的变化趋势,将滑坡演化分为4个阶段,在此基础上对桩身受力进行分析。滑坡推力分布图式中出现了4个极大值,土体抗力分布图式中出现唯一最大值,该试验结果为抗滑桩的设计提供了一定的理论支持。     

新滩滑坡滑动机理及稳定性评价研究

新滩滑坡为一大型堆积层滑坡，本文在勘探竖井地质调查及滑移层取样力学试验基础上，对新滩滑坡的滑动机理及其滑前滑后的稳定进行分析，指出新滩滑坡在８５年６月大滑后，其再滑的隐患仍然存在，大滑的最主要触发因素是雨水对滑移层粘土强度的影响。     

不同环剪条件下三峡库区童家坪滑坡滑带土强度特性

研究不同环剪条件下库岸堆积层滑坡滑带土强度特性对滑坡稳定性评价具有重要意义.针对目前在库岸堆积层滑坡滑带土力学特性方面研究薄弱的问题,以三峡库区童家坪滑坡滑带土为研究对象,采用ARS-E2环剪仪开展了不同剪切速率下的剪切试验,研究了等速剪切、加速剪切以及减速剪切作用下滑带土强度变化特征.试验结果表明:滑带土试样在恒定的...     

陈家岩滑坡形成机制及稳定性分析

西南地区堆积层斜坡众多,在降雨等诱发因素下,发育有大量规模较小的浅层堆积层滑坡,威胁到广大人民的生命财产安全。该文以陈家岩滑坡为典型,分别介绍了残坡堆积层滑坡和崩滑堆积层滑坡的地质灾害特征,分析了其变形机制和影响因素,并提出了相应治理措施,以期为同类型滑坡灾害的勘查治理提供参考。     

万州近水平地层区堆积层滑坡成因与变形破坏特征

近水平地层区堆积层滑坡作为一类典型的滑坡,有其特殊的成因与变形破坏特征。文章在研究万州近水平地层区堆积层滑坡的基础上,详细分析了其物质来源、结构成因、形成模式以及变形破坏特征。通过总结万州堆积层滑坡的滑体和滑床特征,得出了近水平地区堆积层滑坡的物质来源和结构成因为:崩塌堆积为主,冲、洪积为辅;形成模式为:后部陡壁形成,滑床形成,滑体底部物质形成,滑体土石混合体形成,滑体表层物质形成,滑动解体等6个阶段。变形破坏特征为:滑动多沿堆积层和基岩接触面滑动,同时也会沿软弱夹层发生滑动;滑体存在多层剪切带,并在不同位置的剪切带其变形速率和累计变形量差别较大,滑体存在着差异变形,对此文章结合实例进行了分析。     

贵州省水麻坨滑坡的复杂运动破坏机制探讨

思南县水麻坨堆积层斜坡受多期强降雨影响,从2011年初开始相继出现地表开裂、墙体倾斜、地坪及墙体裂缝变形加剧等地质灾害现象,危及大同社区93户509人、房屋556间,给当地社会稳定带来了极大的负面影响。一旦继续遭受强降雨等不利因素的影响,滑坡可能会变形滑动。基于现场调查和室内分析,本文在明确滑坡区地质结构和地形条件对坡体渗流场产生重要影响的基础上,立足于当地气象资料,利用SEEP/W模块和FLAC3D软件继续探究降雨工况下滑坡变形失稳的进程,初步阐述了多期降雨诱发该类推移式堆积层滑坡（H1）及其引发的次生牵引式滑坡（H2）的成因机理。研究成果表明,主滑坡受历史罕见的强降雨诱导开启失稳变形进程,但受制于地形条件,具有分段失稳、渐进破坏等特点。在滑坡长期蠕动变形过程中,多期降雨导致地下水位浮动变化,刺激滑体蠕变加剧。次级牵引式滑坡由于临空条件受主滑坡控制,其演化进程与主滑坡失稳变形表现出明显关联性和一定滞后性。推移式堆积层主滑坡受地形、地下水和荷载等因素影响,从滑带参数弱化到滑面蠕滑贯通需经历长期过程;而牵引式堆积层次级滑坡是由于关键阻滑体的缺失,导致坡体应力重分布产生的后退式滑动,一般历时较短。     

广元宝珠村滑坡工程地质特征及成因机制研究

2010年7月23日,广元宝珠村发生第四系堆积层滑坡,滑坡直接造成部分村民房屋损毁、道路中断,并对周边18户65人生命财产构成威胁。本文综合现场调查、滑坡勘察等相关资料,查明滑坡工程地质特征,并结合seep/w数值分析对滑坡成因机制展开研究。结果表明:该地形斜坡具有较大的重力势能,第四系堆积层力学强度较差,且具有良好渗透性,工程开挖在减小坡脚抗滑阻力的同时产生临空面,种种因素成为滑坡启动的前提条件。"7.23"强降雨引起坡脚大范围土体饱和、斜坡土体抗剪强度降低,导致斜坡稳定性下降,最终发生失稳破坏。由此可见,滑坡是多因素综合作用的结果,降雨是诱发滑坡的关键控制因素。     

堆积层滑坡稳定性评价及其时间预报

本文在介绍堆积层滑坡分类及其地质特征的基础上，指出了堆积层滑坡稳定性的主要影响因素，探讨了堆积层滑坡稳定性评与滑坡时间预报之间的关系，提出了堆积层滑坡预报的新方法。     

地下水与开挖作用下堆积层滑坡体滑动机制分析

川东红层地区修建的巴中达州万州高速公路在穿越第四系堆积层时,堆积层滑坡灾害频繁发生,这类滑坡滑动面为平缓的岩土界面。地下水渗流分布影响下的坡体非饱和强度特征和开挖卸荷是引发这类滑坡灾害的主要因素。在室内非饱和直剪试验提取土体力学参数基础上,结合非饱和土渗流分析软件和岩土应力变形分析软件对滑坡机制进行深入分析。分析表明:地下水的渗流分布孕育了岩土界面附近的滑带土,为边坡的滑动失稳提供潜在可能性。堆积层渗流场特征决定着坡体基质吸力的分布,基质吸力的分布特征导致了堆积层土体由顶部往底部的非饱和抗剪强度的逐层弱化,最终形成沿平缓岩土界面分布的抗剪强度最低的一层软弱土体。在路堑边坡开挖致使的不平衡力影响下,岩土界面附近的软弱土体表现出最为显著的屈服和变形,堆积层坡体中部沿着岩土界面的软弱土体发生剪切蠕滑,滑体后缘出现张拉破坏,形成拉裂缝和拉裂槽,并于滑体前缘发生剪切挤压,随着滑体的蠕滑发展,滑体内地下水逐渐消散并在开挖面处渗出。     

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。     

基于时间序列与人工蜂群支持向量机的滑坡位移预测研究

总结以往滑坡预测方法存在的诸多不足,针对滑坡监测位移-时间曲线特点,本文提出了一种基于时间序列的人工蜂群算法（ABC）与支持向量回归机（SVR）相结合的滑坡位移预测方法。以三峡库区白水河滑坡为例,通过对滑坡位移、降雨、库水位等因素的分析,研究影响滑坡位移变化的因素。用时间序列加法模型和移动平均法将滑坡位移分解为趋势项和周期项。以多项式最小二乘法拟合滑坡位移趋势项,用人工蜂群支持向量机模型对滑坡位移周期项进行训练和预测。通过灰色系统关联分析法计算多项因子与滑坡位移周期项之间的关联性。最终的滑坡总位移预测值为周期项预测值与趋势项预测值之和。与BP神经网络、PSO-SVR模型方法相比,该方法在滑坡位移预测中有更高的精度,在防灾减灾工作中有较好的推广应用前景。     

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。     

郑家湾滑坡体蠕变对上跨桥梁的影响分析

当前滑坡蠕变对上跨桥梁影响研究甚少,实测数据更为匮乏。在对郑家湾滑坡体及上跨桥梁进行长期监测的基础上,根据深部位移监测数据推断出滑坡潜在滑面位置,分析了气象因素对滑坡及桥梁变形的影响,进而研究了滑坡蠕变与桥梁变形的相关性。研究表明:（1) 郑家湾滑坡深约3~19m,月位移0.64~5.16mm,累积位移20~62mm,处于间歇性蠕滑状态。（2) 降雨控制着郑家湾滑坡蠕变与桥梁变形,监测期间月最大降雨量390.2mm,此时滑坡与桥梁变形幅度最大,分别为2mm·月-1和7mm·月-1。（3) 桥梁变形与滑坡蠕变具有同步性,两者月位移相差0.24~2.13mm,累积位移相差6.3mm。本文数据和结论对郑家湾滑坡治理及今后类似上跨桥梁滑坡的分析具有很好的借鉴意义。     

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0～6 d,库水位下降对滑坡位移影响的滞后时间为0～21 d.     

基于H-P滤波法、ARIMA和VAR模型的库区滑坡位移综合预测

受库水位涨落及降雨等影响,库区滑坡位移表现出明显的周期性。基于位移时间序列分析,将滑坡监测位移分解为趋势项与周期项之和。趋势项反映滑坡变形的长期趋势,其主要受滑坡本身地质结构等因素影响。周期项反映滑坡变形的波动性,其主要受外部因素影响。以三峡库区巫山塔坪滑坡为例,考虑长江水位与降雨量影响,采用H-P滤波法从滑坡位移中分解出趋势项及周期项,利用差分自回归滑动平均模型（ARIMA）对趋势项进行平稳处理并计算趋势项预测值,利用向量自回归模型（VAR）计算周期项预测值。趋势项预测值与周期项预测值之和为滑坡位移预测值。与实际监测值及多种方法分析比较,表明综合预测所得结果能较好反映滑坡变形的趋势性和波动性,位移预测效果较好。     

钻孔倾斜仪监测在塘角村1^#滑坡预警监测中的作用

塘角村1^#滑坡是三峡库区地质灾害防治监测预警工程Ⅲ期专业监测点。监测方法为滑体深部位移监测、地表位移监测,同时开展地表宏观变形调查。2007年4月滑坡开始出现变形;其中滑体深部位移由钻孔倾斜仪监测,最早发现滑体变形,随后地表位移GPS监测滑体出现变形,同时滑体地表出现裂缝,滑体局部产生溜滑现象;文章通过滑体深部位移实测监测数据纵向分析,结合与其它监测方法（GPS）监测数据进行横向对比分析印证,判断钻孔倾斜仪监测数据的有效性、准确性;阐述钻孔倾斜仪监测在塘角村1号滑坡预警监测中的重要作用。     

Comparison on landslide nonlinear displacement analysis and prediction with computational intelligence approaches

Landslide displacement is widely obtained to discover landslide behaviors for purpose of event forecasting. This article aims to present a comparative study on landslide nonlinear displacement analysis and prediction using computational intelligence techniques. Three state-of-art techniques, the support vector machine (SVM), the relevance vector machine (RVM), and the Gaussian process (GP), are comparatively presented briefly for modeling landslide displacement series. The three techniques are discussed comparatively for both fitting and predicting the landslide displacement series. Two landslides, the Baishuihe colluvial landslide in China Three Georges and the Super-Sauze mudslide in the French Alps, are illustrated. The results prove that the computational intelligence approaches are feasible and capable of fitting and predicting landslide nonlinear displacement. The Gaussian process, on the whole, performs better than the support vector machine, relevance vector machine, and simple artificial neural network (ANN) with optimized parameter values in predictive analysis of the landslide displacement.     

基于灰色-进化神经网络的滑坡变形预测研究

滑坡变形位移预测对滑坡灾害治理具有重要的意义。考虑到滑坡位移单调增长的特殊性，根据位移分解原理，采用灰色系统提取位移趋势，用基于免疫进化规划的新型进化神经网络模型逼近位移偏差，从而提出了1种滑坡位移预测的新型智能方法。并用新滩滑坡的实测位移预测研究证明了所提智能预测方法的有效性及可行性     

三峡水库区巫山县淌里滑坡监测与变形分析

淌里滑坡是三峡水库区地质灾害防治监测预警工程Ⅱ期专业监测点。监测方法为地表位移监测及滑体深部位移监测,同时开展长期地表宏观变形迹象监测调查。通过3a来监测资料的对比分析,各GPS变形监测点均在水平及垂直方向上有变形。即2007年2月位于滑坡前缘的WS-74、WS-75点水平位移分别达到726.91mm及170.88mm,平均年变形速率分别为340mm和80mm;位于滑体下部的WS-75钻孔滑带位置变形明显。该钻孔在2005年5月由于深部位移变形超出测试量程而无法继续监测。在2003年10月至2005年5月20个月内,该钻孔滑带位置累计位移量达46mm以上,月平均变形率达2.3mm。以此变形速率发展,至2006年12月,滑带累计位移变形量将在100mm左右。滑坡的变形集中在滑坡的前缘地带及次级滑坡,从2003年至今,宝子滩崩滑体附近已有将近20×10^4m^3的崩塌堆积层滑入江中。目前滑坡处于匀速变形阶段,为不稳定状态,滑坡区内的4户18人和宝子滩民用码头的安全受到威胁。