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。     

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。     

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。     

多通道滑坡位移监测仪的研制

文章提出一种滑坡表层位移监测方法,设计并研制了四通道位移监测仪器。该仪器选用特制的拉杆位移传感器完成滑坡位移传感,单片机逻辑控制实现位移监测数据动态显示,并对大量程、急速位移滑动做声光预警,监测数据自动保存。文章阐述了其工作原理及软硬件设计思路,并介绍了位移监测仪在三峡万州库区塘角村1号滑坡的野外应用实验。     

基于光纤监测和PSO-SVM模型的马家沟滑坡深部位移预测研究

滑坡位移预测效果一方面取决于预测模型的优劣,另一方面取决于野外监测数据的质量。针对目前滑坡常规监测技术与评价方法的不足,本文采用光纤监测技术、监测数据与PSO-SVM预测模型相结合的评价方法,对三峡马家沟Ⅰ号滑坡的深部位移进行了预测;通过对320个滑坡深部位移光纤监测数据分析,基于时间序列法,将滑坡位移分为趋势性位移和波动性位移;趋势性位移采用拟合法进行预测,波动性位移采用PSO-SVM模型进行预测;最后将趋势项和波动项位移预测值叠加得到累积位移的预测值。研究结果表明,PSO-SVM模型对波动性位移预测的均方根误差0.51 mm,平均绝对百分误差0.37 mm,能准确预测滑坡波动项位移;累积位移预测值与实测值的相关系数为0.98,均方根误差为0.54 mm,预测效果较好,可以用来对滑坡深部位移进行短期预测。     

基于位移比模型的三峡库区云阳县域内蠕变型滑坡降雨预警

建立高效合理的区域滑坡灾害降雨预警模型对滑坡防治具有重要意义.然而以往的研究多侧重于临滑预警,对蠕变型滑坡在强降雨工况下的短暂加速变形的预警研究还有待深入.以三峡库区云阳县域内滑坡为例,首先根据滑坡地表位移监测数据的特点对统计样本进行合理筛选.再通过降雨因子与滑坡发生的相关性分析以及对滑坡在降雨条件下位移变化情况的数值模拟,确定了适用于不同时间阶段的降雨统计变量.然后将考虑了滑坡规模特征的滑坡位移比（累计位移与滑坡纵长之比）作为变形指标,分时段统计滑坡地表位移监测数据与历史降雨信息,建立了日降雨数据与月位移数据的对应关系,得到了可用于确定降雨量阈值的位移比模型,并获得了云阳县蠕变型滑坡的五级预警分区.最后分别选用研究区滑坡险情实例、长年位移监测数据及极端降雨事件对模型预警效果进行检验.结果显示基于专业监测数据的位移比模型的滑坡降雨预警结果与实际情况相符,可为蠕变型滑坡的预警预报提供依据.      

二郎山榛子林滑坡动态监测与整治工程

采集滑坡地表裂缝及深部相对位移信息 ,分析其位移 -时间动态变化特征及其影响因素 ,依据位移 -时间信息核定滑坡地质结构 ,预测滑坡发展趋势 ,为整治滑坡设计提供信息。     

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。     

知识图谱优化卡尔曼滤波预测库岸滑坡位移

中国三峡库区库岸滑坡灾害频发，预测库岸滑坡位移是降低风险的重要措施之一。文章构建了库岸滑坡中文知识图谱，提出了知识图谱优化卡尔曼滤波预测库岸滑坡位移模型KG-MTKF。以三峡库区奉节县新铺滑坡为例，采用现场监测数据验证了模型有效性。结果表明，与监测数据系列相比，多因素卡尔曼滤波模型（MT-KF）和知识图谱优化卡尔曼滤波模型（KG-MTKF）用于预测库岸滑坡时，在稳定变形阶段均表现出良好的一致性；在滑坡变形的初始阶段和阶跃段，KGMTKF模型预测精度更高。初始段两种模型存在误差，主要由于滑坡初期变形值较小、系统噪声显著所导致。在阶跃段、平稳段与整个监测周期中，两种模型的误差都较小，且KG-MTKF模型的预测精度显著高于MT-KF模型。对于新铺滑坡这类非线性动力系统，KG-MTKF预测模型在不同位置与变形阶段均能保持高精度与强鲁棒性。     

自动化远程监测在巫山县水泥厂滑坡中的应用

运用无线位移计对滑坡进行自动化远程监测,掌握滑坡变形状况.监测数据分析表明,滑坡位移整体上匀速增大,个别时间段滑坡变形呈加速状态;降雨条件下位移突变均同步或滞后于强降雨;滑坡仍处于变形阶段,但趋势有所减缓.     

长江三峡库区木鱼包滑坡地表变形规律分析

三峡库区木鱼包滑坡自2006年实施专业监测以来,一直持续变形,对三峡大坝工程和长江航道造成巨大威胁。通过多次野外地质调查资料、长期现场巡查、人工GPS位移监测数据、近1年的全自动监测数据等,深入分析该滑坡在库水涨落及降雨条件下的变形特征、演化规律及变形机制。结果表明,滑坡坡体结构、岩性及地质构造等地质因素控制了木鱼包滑坡的变形,库水位是主要的驱动因素。库水位上升过程中,库水位由145 m升到155 m左右,月位移量为最小值;动水压力向坡内,滑坡变形最小;库水位155 m上升至175 m期间,库水入渗前部坡体,对滑坡前部抗滑段形成浮托减重效应,变形有所增加。库水位由175 m下降到170 m左右,累积位移形成阶跃,坡受向坡外动水压力和浮托减重效应作用,月位移达最大值。库水位由170 m降到145 m期间,浮托减重效应作用减小,月位移量降低。目前,木鱼包滑坡变形趋势减小,产生大规模滑动的可能性较小,但须进一步加强监测和机制研究。     

滑坡滑动面位置的确定及超前预测

依据滑坡深部位移信息,分析滑坡“B”型、“D”型、“r”型变形特征，确定滑坡滑动面位置，提出了滑坡滑动面位置超前预测的位移矢量法。为系统分析及超前预测滑坡滑动面位置提供依据，为深入研究滑坡运动特征提供信息。     

崩滑灾害位移曲线典型类型及其形成机制

通过整理分析大量的崩塌滑坡位移-时间曲线发现,孕育期地表位移时序曲线典型类型主要有稳定型、渐进型和突发型3类,其中稳定型分为蠕滑稳定型和波动稳定型2亚类,渐进型分为三阶段渐进型、振荡渐进型和多台阶渐进型3亚类;孕育期地下位移时序曲线典型类型主要有单滑裂面型和多滑裂面型2类,并发现滑带处位移时序曲线与地表的具有相似的演化规律;从孕育、成灾到形成崩滑堆积体的全过程位移时序曲线典型类型只有生长型一类。基于崩塌滑坡滑裂面上锁固段数量、位置和强度,结合变形状态空间区划效应及外界因素对锁固段的加卸载特征,对孕育期地表典型位移时序曲线形成机制进行了探讨。     

降雨型滑坡垂直位移方向率及其位移监测预警判据研究

针对降雨型滑坡位移量预测参数失稳判据的局限和不足,并根据滑坡全息论的基本原理,提出和确定了滑坡垂直位移方向率预测参数,且指出该参数是边坡稳定性演化分析与评价的一个有效位移动力参数,具有位移量或位移速率不可替代的评价和预测作用。同时,系统分析了降雨型滑坡位移与地下水位变化规律及其相互作用关系,对该类边坡稳定性的不同演化阶段的表层垂直位移方向率形成机制与变化规律进行了弹塑性力学分析与评价,分别确定了边坡压缩稳定变形阶段和塑性失稳变形阶段的表层垂直位移方向率与其稳定性演化的定量关系,并依此运用数理统计均方差基本原理,建立了该类滑坡垂直位移方向率的整体失稳监测预警判据。最后运用新滩滑坡A_3、B_3监测点垂直位移方向率对该滑坡稳定性演化过程与失稳规律进行了后验分析与评价,其分析预测结果与边坡实际变形失稳规律基本相吻合,表明该参数在该类滑坡预测预报与监测预警中具有一定的有效性与实用性。     

滑坡位移-时间曲线特征的物理模拟试验研究

位移-时间曲线表征了滑坡变形状态及相对的稳定性程度,是监测滑坡变形和失稳预测至关重要的数据资料。目前所获取的滑坡变形全过程监测资料并不多,大多数是临滑前的短期监测资料,而一些突发型滑坡的变形监测资料更是难以收集。由此,滑坡位移-时间曲线簇的类型及分布特征的研究受到了数据资料不足的约束而难以开展,一些滑坡预警理论都是基于推断和理论分析的基础上而得出的,缺少数据支撑。本文通过物理模拟的办法,自行设计制作了变角度的物理模拟试验框架,开发完成了位移数据的自动采集系统,经一年多的试验测试,对试验设备软硬件及模型材料不断调整、优化,完成了7组12条位移-时间曲线的采集工作,从而获取了不同受力条件下斜坡的变形破坏的时间-位移曲线簇,为进一步的理论研究提供了科学的数据资料。     

基于集合经验模态分解与支持向量机回归的位移预测方法:以三峡库区滑坡为例

三峡库区滑坡地表位移-时间曲线多呈台阶型特征。基于位移响应成分模型的滑坡位移预测方法是该类滑坡位移预测的主要方法之一。针对目前水库滑坡波动项位移预测工作中尚未考虑主要诱发因素的高频成分与低频成分的问题,提出了基于时间序列集合经验模态分解(EEMD)与重构的粒子群优化-支持向量机回归(PSO-SVR)位移预测方法。以白水河滑坡2003年7月至2013年3月117个地表位移数据为例,采用EEMD法将位移时间序列分解为趋势项位移和波动项位移,该趋势项位移用最小二乘法的二次多项式拟合预测;根据EEMD和t检验法,确定高频降雨量、低频降雨量、高频库水位和低频库水位,结合其他常用因素,采用灰色关联分析确定白水河滑坡影响波动项位移的优势因素为高频降雨量和月间库水位变化,基于优势因素建立PSO-SVR模型预测波动项位移。结果表明,总预测值的平均相对误差为0.009 8,方差比为0.023 9,小误差概率为1,预测效果较好。利用该方法对三峡库区其他5个台阶型滑坡进行了预测,预测位移与实测位移较吻合,进一步证明了该方法的有效性,对同类滑坡的预测预报具有一定的借鉴意义。     

基于粒子群-变分模态分解、非线性自回归神经网络与门控循环单元的滑坡位移动态预测模型研究

以三峡库区八字门阶跃型滑坡为例,针对静态机器学习模型在周期项位移预测中的不足以及高频随机项位移预测困难等问题,提出了一种新的滑坡位移预测方法。基于时间序列分解思想,采用粒子群算法（PSO）对变分模态分解（VMD）进行参数寻优,并将位移时间序列分解为趋势项、周期项和随机项。趋势项主要受滑坡内部因素影响,采用傅里叶曲线进行拟合预测;周期项由外部因素导致,基于格兰杰因果检验进行成因分析,并引入一种对时间序列历史状态具有较高敏感性的非线性自回归神经网络（NARX）进行预测;随机项频率较高且影响因素无法判定,采用一维门控循环单元（GRU）进行预测。最后将各分量预测位移进行叠加重构,实现滑坡累计位移的预测。结果表明,提出的（PSO-VMD）-NARX-GRU滑坡位移动态预测模型精度较高,且各位移分量预测精度明显高于静态模型中BP神经网络、支持向量机（SVM）和传统自回归模型ARIMA,可为阶跃型滑坡位移预测提供参考。     

滑坡位移的多模态支持向量机模型预测

将支持向量机（support vector machine,SVM）方法与信号分析中的经验模态分解（empirical mode decomposition, EMD）方法相匹配,提出了一种通过多模态支持向量机函数回归分析建模预测滑坡位移的理论方法。以边坡位移历史观测数据为基础,应用EMD方法获得滑坡形成过程中位移演化的几个特征时间模态,构成了多模态信息统计学习样本,确定了边坡位移演化的自适应多尺度变化信息。对应于每个经验模态的位移变化信息,引入了多模态SVM建模方法,然后合成不同经验模态下边坡位移的计算结果,得到滑坡位移的预测值。以卧龙寺新滑坡和新滩滑坡的监测数据为基础的理论预测结果表明,与采用遗传算法的神经网络方法的预测结果相比,支持向量机经验模态方法具有更强的预测能力,理论预测结果与实际监测值具有很好的一致性     

二郎山和平沟滑坡成因分析及稳定性评价

在对二郎山和平沟滑坡的地质地貌条件及变形迹象调查的基础上，结合滑坡位移监测资料分析，研究了滑坡的成因并对其稳定性进行了评价和预测。研究得知，目前在天然状态下，滑坡尚处于极限平衡状态，若遇暴雨或地震，则有滑动的可能。     

基于地表及深部位移监测的滑坡稳定性分析

拉线式滑坡地表及深部位移实时监测系统是测量滑坡地表及深部相对位移的监测仪器。通过对内蒙胜利露天矿东帮滑坡现场地质条件调查,分析了该滑坡的地质环境和滑坡特征,研究了内蒙胜利露天矿东帮滑坡发生的地质成因和环境成因。砂类土+黏土+砂质泥岩地层结构是胜利露天矿东帮滑坡发生的控制因素;露天矿不间断进行的开挖、爆破及其他外荷载是胜利露天矿东帮滑坡发生的影响因素;高强度、大量的降雨是胜利露天矿东帮滑坡发生的主要诱发因素。通过对布设在胜利露天矿东帮的地表及深部位移监测数据分析,该滑坡在暴雨之前的3个月,地表位移速率为1mmd-1,处于匀速蠕变阶段,并且由坡顶到坡底,地表位移略有增大,呈牵引式下滑特点,深部位移基本没有变化,暴雨后,两者均发生突变,3种不同深部布设的位移监测点有效地捕捉了滑面大致位置及错动距离,可为该类滑坡的深部位移监测深度确定提供一定的借鉴和参考。