浅层滑坡诱发沟谷泥石流的地形和降雨条件

2011年贵州省望谟县打易镇的大范围浅层滑坡诱发的沟谷泥石流提供了研究这类泥石流地形和降雨条件的机会。在地质条件一致和小区域内的降雨条件基本一致的情况下,地形条件就是这些泥石流暴发与否的唯一决定因素。对比一些重要的地形因素与泥石流暴发的关系,得出了由流域面积、沟床纵比降和25°~45°山坡坡度面积比组成的泥石流综合地形因子T。在地形因子T的基础上,研究获得了由前期降雨量、1 h降雨强度、年平均降雨量等组成的降雨因子R。由地形因子T和降雨因子R获得的临界条件P可以判断该区域的泥石流暴发。由于研究工作部分基于泥石流的形成机理,研究成果还可用于其他区域的泥石流形成预测,为泥石流的预测预报提供了一个较好的方法。     

基于粗糙集理论与遗传规划的地表下沉系数预测研究

利用粗糙集理论处理大数据量.消除冗余信息等方面的优势,计算出下沉系数各影响因素的属性重要性,约简了遗传规划训练样本集,建立了基于粗糙集和遗传规划的地表下沉系数预测模型。并与BP神经网络法预测结果进行了对比,结果表明,本模型具有精度高,收敛速度快等特点,将其应用到地表下沉系数预测中是可行的。     

地形因子对四川龙溪河流域泥石流发生的影响

物源、降水、地形是泥石流形成的三大基本条件,同一次降水同一流域范围内并不是所有泥石流沟都会发生泥石流,可见在小流域范围内,物源因子和降水因子基本接近时地形因子对泥石流的发生起着首要作用。本文以龙溪河流域泥石流沟为例来探讨地形因子对泥石流易发程度的影响。选取流域面积、形状系数和沟道纵比降等参数进行研究并获取三者相互之间的关系而得到一个能全面反映地形条件的综合地形因子G:G=F×J(A/A0)0.2。对该研究区来说,G=0.2是该区域泥石流沟发生泥石流的界限,即G>0.20时会发生泥石流,G<0.20时不会发生泥石流。在白水河流域验证此理论得知地形因子G对泥石流的发生同样具有重要意义,但物源和降水情况的差异也会影响泥石流的发生,因此该成果不能涵盖所有的地形条件,故适应性有一定限制性。     

基于水文过程的泥石流预报中前期有效降水量的确定方法

前期有效降水量是泥石流预报的一个关键因子,但是确定此关键因子的常用方法存在参数取值过于人为主观化的问题。为解决这一问题,提出利用模拟降雨截留、入渗和蒸散发等水文过程的方法确定泥石流预报中的前期有效降雨量,并利用基于流域水土耦合机制的泥石流预报系统预报四川省在2013年7月9日的泥石流灾害来检验该方法。结果表明:利用水文过程模拟方法确定的前期有效降水更适用于泥石流预报,泥石流预报的漏报率比常用的降雨衰减经验公式低21.1%,能更好地为泥石流防灾减灾服务。     

基于数值模拟的强震区典型泥石流堵江模式分析

受512汶川强震影响,大量崩滑体出现在震中岷江流域,伴随极端降雨天气它们逐步转化为泥石流灾害。2011年7月3日,受强降雨影响震中附近高家沟暴发泥石流,完全摧毁沟口地物,并且部分堵塞岷江,严重威胁高速公路隧道入口及国道。为了减少强震区泥石流堵江带来的损失,本文选取强震区岷江流域高家沟泥石流作为研究对象,采用数值模拟的方法,模拟不同降雨强度下（5a、20年、50a、100年）高家沟泥石流的运动特征,进而分析其不同程度的堵江模式。经过野外验证2011a73高家沟泥石流数值模拟精度可达81.4%,模拟结果表明,高家沟泥石流5年一遇降雨条件下没有松散堆积物冲出,20年一遇降雨条件下虽有部分松散堆积物进入岷江但未形成堵江,50年一遇降雨条件下则出现部分堵断岷江现象,100年一遇降雨条件下则完全堵塞岷江。该研究结果将为今后强震区泥石流堵江判识及监测预警提供科学依据。     

泥石流预测、预报技术方法的研究现状浅析

泥石流灾害的预测、预报是减灾防灾重要环节和基础。在充分研究泥石流形成条件基础上 ,正确预测、预报泥石流 ,是目前最大限度减少泥石流灾害损失所采取的主要方法。本文综合了当前泥石流预测预报的方法 ,分析了泥石流长期、中期、短期预报及泥石流预报的原理 ,不同时期泥石流预报的特征及存在的问题。我国是受泥石流危害最为严重的国家之一。每年由泥石流造成的直接经济损失约达几十亿元之多 ,减少泥石流灾害造成的损失主要取决于预测预报工作等。     

基于BP神经网络的泥石流平均流速预测

泥石流平均流速是泥石流防治工程中不可缺少的重要参数,准确地预测泥石流平均流速对于泥石流防治工程的设计是至关重要的。将BP神经网络应用于泥石流平均流速的预测:将泥石流平均流速的影响因素--泥沙平均粒径、泥深、沟床比降和泥石流密度作为BP神经网络的输入单元,通过对云南东川蒋家沟泥石流观测数据的训练与预测建立了泥石流平均流速的BP神经网络预测模型。将预测结果与东川公式和曼宁修正公式的计算结果进行对比:曼宁修正公式和东川公式预测结果最大误差分别为27%和7.3%,BP神经网络的预测结果最大误差仅为3.2%,BP神经网络的预测精度是最高的,可见此方法对泥石流平均流速预测具有适用性和准确性。最后应用此方法预测了乌东德水电站近坝库区内的3条泥石流的平均流速分别为12.8 m/s、11.3 m/s和13.0 m/s,为库区泥石流防治工程提供了可靠的参考数据。     

基于灰色关联法的地震灾区泥石流危险性评价以北川县泥石流为例

汶川地震后,地震灾区泥石流具有暴发临界雨量小,规模大,危险性高的特点。在考虑降雨和地震作用下,采用灰色关联法分析北川县72条泥石流沟的泥石流规模、流域面积、主沟长度、流域相对高差、流域切割密度、不稳定沟床比、年均降雨量和地震烈度8个影响因子的权重,在此基础上建立震区泥石流危险性评价模型并进一步对其进行危险性评价。结果表明:影响因子中,年均降雨量和地震烈度所占权重最大; 运用本文模型得到的评价结果与刘希林模型基本一致,但危险度值相对提高,其中有7条泥石流沟危险度提高一个等级。     

基于激发条件和堆积体稳定性的冰川降雨型泥石流预警模型研究

在全球变暖的背景下,冰川泥石流将进入高发期。分析了冰川泥石流成因,选取日最高温度、日降雨量、泥水位、地表位移、含水率作为泥石流监测预警指标。通过层次分析法确定了5个指标的权重,提出了基于激发条件和堆积体稳定性的冰川降雨型泥石流预警模型。应用该模型成功对天山公路K636冰川泥石流沟2017年7月14日爆发的泥石流进行了预警,证明该预警模型有一定的可靠性和实用价值,为冰川泥石流预警研究提供了一种新的参考。     

基于CFX的江口沟泥石流危险区范围预测模拟

拟建猴子岩水电站移民安置点位于江口沟泥石流堆积扇上,通过现场调查泥石流形成条件和运动特征,获得了1958年发生的50 a一遇泥石流危险区范围,根据雨洪法计算确定了泥石流的相关运动学参数。使用基于有限体积法的CFX软件,选择Bingham流变模型对江口沟泥石流流动过程的液面分布情况和速度场进行了三维数值模拟,得出了泥石流危险区范围和速度场分布情况。模拟结果显示,江口沟50 a一遇泥石流流过堆积区的平均速度为5.76 m/s,其中最大速度为13.59 m/s。数值模拟计算得出的危险范围较1958年扩大,是因为早期泥石流堆积物将原有地面特别是沟道附近地面抬高,使得现状条件下泥石流更容易向两侧漫流泛滥而扩大。上述结果为泥石流防治工程设计及危险区范围划定提供了一种新的方法,对工程实践具有重要的指导意义。     

基于功效系数法的泥石流灾害预警研究

泥石流灾害破坏力巨大,预测预报泥石流发生的可能性是防灾减灾的重要手段,也是国内外学者研究的热点。基于功效系数法原理,在综合分析泥石流灾害发生的气象、地质环境影响因素的基础上,选取了山坡坡度、相对高差、植被覆盖率、沿沟松散物储量、5 d累计降雨量、最大小时雨强和当日雨量为评价因子,采用改进后的层次分析法计算评价因子的权重系数,建立了泥石流预测预警模型。以岫岩地区泥石流为例对预警模型进行检验,预测结果较好地反映了实际情况。表明基于功效系数法的泥石流预测预警模型具备较高的可靠性和实用性,研究结果为泥石流预测预警提供了一种新的思路和方法。     

泥石流成因机理的非饱和土力学理论研究

泥石流是一种具有较强破坏力的自然山地灾害。对于它的预报研究历来为人们所重视，并建立了很多雨量预报模型。然而，这些雨量预报模型的预报时间很短，往往只能在灾害发生前几十分钟作出预报。论文应用非饱和土强度理论对降雨型泥石漉的成园机理进行了研究，提出降雨型泥石流的形成过程可以划分为2个阶段：第一个阶段与前期实效降雨量有关；第二个阶段与短历时强降雨有关。并对各个阶段降雨作用机理以及固体松散物质的力学性质变化特征进行探讨。为预先判断在降雨条件下，会不会发生泥石流以及所需要的降雨量和雨型提供依据。     

Hazard assessment model for debris flow prediction

Debris flow disasters have plagued Taiwan in recent decades, and caused casualties and destruction of property. Several methods, including the numerical method, statistical method, and experimental method, have been adopted in recent years to predict debris flow, and more recently, the neural network (NN) and the genetic algorithm (GA) methods have been introduced to simulate the occurrence of debris flows. This study proposes using the GA to weigh seven important variables according to principles similar to natural selection. The study then simultaneously inputs these variables into a NN model to predict debris flow occurrences based on relevant factors. There were 154 potential cases of debris flow collected from eastern Taiwan and fed into the model for testing. The average ratio of successful prediction reached 94.94%, which demonstrates that the proposed model can provide stable and reliable results for predicting debris flow in hazard mitigation and guard systems.     

Application of back-propagation networks in debris flow prediction

Debris flows have caused serious loss of human lives and a lot of damage to properties in Taiwan over the past decades. Moreover, debris flows have brought massive mud causing water pollution in reservoirs and resulted in water shortage for daily life locally and affected agricultural irrigation and industrial usages seriously. A number of methods for prediction of debris flows have been studied. However, the successful prediction ratio of debris flows cannot always maintain a stable and reliable level. The objective of this study is to present a stable and reliable analytical model for occurrence predictions of debris flows. This study proposes an Artificial Neural Networks (ANN) model that was constructed by seven significant factors using back-propagation (BP) algorithm. These seven factors include (1) length of creek, (2) average slope, (3) effective watershed area, (4) shape coefficient, (5) median size of soil grain, (6) effective cumulative rainfall, and (7) effective rainfall intensity. A total of 178 potential cases of debris flows collected in eastern Taiwan were fed into the ANN model for training and testing. The average ratio of successful prediction reaching 93.82% demonstrates that the presented ANN model with seven significant factors can provide a stable and reliable result for the prediction of debris flows in hazard mitigation and guarding systems.     

基于独立信息数据波动赋权的泥石流危险度评价

针对经典泥石流危险度评价中以灰色关联度作为次要危险因子筛选依据的不足,采用复相关系数作为泥石流次要危险因子筛选的依据,从而建立了泥石流危险度评价的主要危险因子与次要危险因子组合的多因子体系。在此基础上,针对次要危险与主要危险因子之间存在显著相关性,同时为了体现次要危险因子对泥石流危险度的贡献作用,采用独立信息数据波动赋权法计算泥石流次要危险因子的权重,建立了泥石流危险度评价的计算公式。以此计算东川市12条泥石流沟的危险度评价结果,计算结果比经典方法更符合次要因子的补充地位,从而证明了该方法的合理性。     

The application of genetic algorithm in debris flows prediction

Debris flows caused serious loss of human lives and damages to properties in Taiwan for the past decades. A number of methods for prediction of debris flows have been studied including numerical method, statistic method, experiment method and neural network method in recent years. This study proposed a genetic algorithm (GA) model for occurrence prediction of debris flows. A total of 154 potential cases of debris flows collected in eastern Taiwan were fed into the GA for training and testing. The average ratio of successful prediction reaching 90.4% demonstrates that the presented GA model can provide a stable and reliable result for prediction of debris flows in the hazard mitigation and guarding system.     

基于模型试验的泥石流坡面物源启动预警模型

为进一步探明银洞子沟物源区坡面物源启动机理与降雨的相关性,在进行详细的现场考察与工程勘察工作后选取了典型模型体,并采用20余组人工降雨物理试验方法将降雨强度与坡度设为控制变量,研究了4种坡形、5种雨强条件下,坡面松散物源的失稳机制及破坏模式。试验结果揭示了地表变形与地下物理力学参数变化的定量响应关系,并基于试验发生破坏的临界雨量,建立了银洞子沟传统I-D预警模型。之后提炼可靠预警参数(坡度、深部体积含水率),通过数学回归分析方法并采用Exponential模型,得出IGD、IGM多参数新型预警判别式,实现了传统I-D模型的有效修正,并具一定的可靠性和实用价值。     

基于光滑粒子流体动力学方法的泥石流冲击桥墩试验模拟EI北大核心CSCD

采用Bingham流体模型描述泥石流的动力学行为,将桥墩视为地形条件,在光滑粒子流体动力学(smoothparticle hydromechanics,简称SPH)方法的框架上引入边界斥力改进边界条件,构建了泥石流冲击桥墩的三维数值计算模型。基于水槽试验对不同黏性的泥石流冲击桥墩的堆积过程及冲击力时程曲线特性进行了分析,根据水槽试验建立物理模型,实现了不同流变参数和重度的泥石流冲击桥墩的三维动力演化过程模拟,并对不同流变参数的泥石流堆积过程及冲击力时程曲线模拟结果进行了分析。从流体力学的角度对模拟结果进行分析,指出忽略湍流形成的能量耗散是导致稀性泥石流运动过程模拟与试验结果差异的主要原因,并讨论了不同黏性条件下泥石流冲击桥墩的防护措施。研究成果为泥石流冲击桥墩三维数值计算模型的进一步优化提供了理论支撑。     

用遗传神经网络分析泥石流活动性

泥石流是我国山区的主要地质灾害之一。影响泥石流活动性的因素十分复杂，并且具有随机性和模糊性。遗传神经网络结合了神经网络和遗传算法的优点，可以模拟学习和进化之间的交互作用，很适合用于分析泥石流活动性。文章简要讨论了遗传神经网络的原理，建立了泥石流活动性分析的遗传神经网络模型，并将该模型用于川藏公路沿线30条泥石流沟的活动性分析。网络的拓扑结构为(9，6，4，3)，即输入节点(评价指标)、第l隐含层、第2隐含层和输出接点(分析结果)分别为9、6、4、3。首先以其中25条泥石流沟作为样本对网络进行训练，训练时网络的连接权采用遗传算法进行自适应演化，待模型稳定后将其余5条泥石流沟的数据输入模型，计算它们的活动性，计算结果与实际观测基本相符，证明模型是可行的，各个参数的选取也是合适的。     

Assessment of dynamic impact force of debris flow in mountain torrent based on characteristics of debris flow

Landslides and debris flows that occur around residential areas are considered, globally, as significant disasters that cause damage to human life and property. With terrain slope defining the flow characteristics of debris flows, flow depth, flow velocity, and impact force vary by time and distance. In particular, when a structure is located in the flow path of debris flows, the flow characteristics of debris flows vary by terrain slope and direction angle. To simulate the flow characteristics of these debris flows, the simulation results obtained by FLO-2D were analyzed with six-stage conditions for the research area. In the analysis, the flow depth, flow velocity, and impact force were estimated on the basis of the outlet of the research area in the presence and absence of structure(s) at certain distances. With this, the variation of the impact force in accordance with the variation of the flow depth of the debris flows was highly similar to the simulation results obtained by FLO-2D, when the correction index (α) of the suggested dynamic impact force equation was 0.3–0.4. There were sections where the estimated value of the impact force was overestimated near the outlet, and it was judged that the fixed values of the terrain factors (width, roughness coefficient, slope, etc.) caused the impact force to be overestimated. However, the correlation analysis showed that the correlation index was above the normal ranges in the suggested dynamic impact force equation for debris flows with the application of the terrain factors.