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。     

降雨诱发型堆积层滑坡的位移动力学特征分析

根据降雨诱发型堆积层边坡物质组成特点与位移构成性质,建立了边坡粘弹性位移动力学模型与位移动力学方程,并以此为基础系统分析了其位移动力学行为和特征以及位移与地下水位或降雨量定量关系,发现了边坡的位移动力学特征主要取决于边坡的地下水位及其变化规律,且其位移和位移速度在整体失稳前具有强烈的波动性。上述位移动力学规律表明,仅运用位移或位移速度作为单一动力学响应参数来评价与预测该类边坡稳定性存在一定局限性。因此,选择和建立堆积层滑坡的位移多源信息预测理论与模型将具有重要的理论意义与实用价值。     

基于灰色关联度模型的区域滑坡敏感性评价

数理统计和机器学习模型如支持向量机(support vector machine,SVM)等,在区域滑坡敏感性评价中得到广泛的应用.但这些模型的建模过程往往较复杂,如在对机器学习进行训练和测试时难以选取合理的非滑坡栅格单元,而且有较多的模型参数需要确定.为提高滑坡敏感性评价建模的效率和精度,提出基于灰色关联度的敏感性评价模型.灰色关联度模型能有效计算各比较样本与参考样本之间的定量的关联度,具有建模过程简洁和评价精度高的优点,该模型目前在区域滑坡敏感性评价中的应用还没有引起研究人员的足够关注且有待进一步拓展.拟将灰色关联度模型用于浙江省飞云江流域南田—雅梅图幅(南田地区)的滑坡敏感性评价,并将得到的评价结果与SVM模型的敏感性评价结果作对比分析.结果显示,灰色关联度模型在高和极高敏感区的滑坡预测精度优于SVM模型,而在中等敏感区的滑坡预测精度略低于SVM模型;整体而言,灰色关联度模型对整个南田地区滑坡敏感性分布的预测精度略高于SVM模型.对两个模型建模过程的对比结果显示,灰色关联度模型建模较简单,具有比SVM模型更高的建模效率,为滑坡敏感性评价提供了一种新思路.     

基于位移的滑坡时间概率预测方法

滑坡位移是滑坡稳定性状态的重要表观特征。对数拟合法是一种基于位移观测数据对滑坡时间进行预测的常用方法。在实际应用中,受测量误差、环境噪声和模型假设等因素的影响,滑坡时间很难准确预测。本文将滑坡时间预测中的不确定性分为观测不确定性和模型不确定性两类。基于残差Bootstrap方法,提出了观测不确定性的标定方法;搜集了降雨型滑坡案例,标定了对数拟合法预测降雨型滑坡时间的模型不确定性。在此基础上,提出了可同时考虑以上两种不确定性的滑坡时间概率预测方法。算例表明,概率方法既能提供滑坡最可能发生的时间,也能提供滑坡在不同时间点之前发生的概率水平,其预测结果与实际观测滑坡时间更为符合,可为滑坡灾害的灾害预警提供有用的信息。     

基于深部监测的滑坡动态特征分析

滑坡监测的目的是获取滑坡变形特征和演变过程。对于一些重要场地,判断其是否存在潜在滑坡时,深部位移监测是最直接和最有成效一种手段。通过在某厂房后坡两个监测断面设置5个深部位移监测孔,根据监测结果对滑坡体的范围、整体活动性、滑动方向、滑动面进行以及滑坡类型进行探讨和分析。监测结果表明:厂房后坡具有牵引式滑动特征,活动性明显; 坡体位移速度较大,雨季有加速变形的特征; 坡体前缘滑面已局部贯通,中、后部滑带也处于蠕动变形状态。     

基于信息维的滑坡时间位移序列分析

以白水河滑坡时间位移序列作为研究对象,提出了用信息维来研究滑坡时间位移序列的方法。对ZG93监测点的时间序列进行了分年信息维数计算,同时对2006—2009年预警区内所有监测点时间序列进行了分维异常分析。结果表明,时间位移序列的信息维数大小与序列的频变和骤变有关;分维异常图可以反映滑坡空间范围内各部位的相对变形情况。     

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。     

基于表面位移的公路滑坡监测预警研究

公路滑坡是常见的地质灾害,但对运营期公路边坡进行长期监测并成功预警的实例却很少。主要原因是公路边坡点多、线长、规模小、缺乏详细的地质勘探资料、监测费用高、预警难度大。利用拉索触发式位移计对滑坡表面位移进行监测,精度可达1 mm,通过电信的GPRS公网实时传送到远程监控中心,全程自动化,且费用低。同时,利用有限元商用软件 PLAXIS的强度折减模块和塑性分析模块对不同参数组合进行计算,在缺乏滑坡岩土体强度参数、渗透系数、土-水特征曲线等资料的情况下,建立滑坡安全系数与表面监测位移的关系, 从而通过表面位移量的变化进行阶段式预警,并制定相应的预防措施。提出的方法已在湘西某高速公路滑坡获得应用。     

滑坡位移的动态概率预测模型

滑坡位移预测是实现滑坡灾害预报的有效手段,文章利用回声状态网络建立动态预测模型来预测滑坡位移。与传统预测方法相比,动态模型能更好地反映出滑坡演化的动态系统本质;动态模型的建立不需要计算互信息来实现变量选择,也使得预测过程得到简化。考虑到确定性预测的局限性,文章进一步将概率预测的思想引入滑坡位移预测的研究中,提出一种动态预测模型的概率预测方法。所提动态预测模型的预测精度,在白水河和石榴树包两个滑坡位移预测的具体案例中得到了检验;而通过概率预测得到具有明确置信度水平的预测区间,从而也对滑坡状态发展变化趋势给出了更全面的描述。     

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。     

基于剩余推力法的地震滑坡永久位移研究

基于剩余推力法思想 ,结合Newmark有限滑动位移法 ,考虑了由于动力作用造成的孔隙水压力变化 ,对一种最为常见的边坡灾害滑坡 ,提出了一种简便的估算地震动力永久位移的方法。对一实例用该法和快速拉格朗日元 (FLAC3D)进行对比计算 ,结果表明两者的结果基本接近 ,前者要保守一些。这就使得应用剩余推力法这一常规方法对滑坡进行真正意义上的动力时程分析成为可能.     

基于CEEMDAN理论和PSO-ELM模型的滑坡位移预测

对三峡库区中具有"阶跃型"位移曲线的滑坡进行位移预测的难度较高,为此,提出了基于自适应噪声完整集合经验模态分解法的粒子群优化-极限学习机模型,并将该模型用于万州区塘角1号滑坡的位移预测。首先利用CEEMDAN法提取滑坡趋势项位移和波动项位移的不同IMF组分,并使用Elman神经网络对趋势项位移进行预测;其次结合历史监测资料,通过滑坡位移对降雨、库水位等诱发因素的响应分析,确定了7种不同的波动项位移影响因素,并使用CEEMDAN法分解得到上述因素的各IMF分量;然后通过模糊熵分析,将波动项位移和诱发因素的IMF分量一一对应,构建PSO-ELM模型进行波动项位移的预测;最后将趋势项位移预测值和波动项位移预测值叠加得到累积位移的预测值。结果表明:和ELM模型、PSO-ELM模型相比,基于CEEMDNAN的PSO-ELM模型的预测精度更高,其均方根误差(RMSE)和拟合优度(R~2)可达到0.54 mm和0.99,为滑坡位移预测提供了一种新手段。     

基于APSO-SVR-GRU模型的白水河滑坡周期项位移预测

滑坡周期项位移的预测,是研究地质灾害中滑坡变形至关重要的一步。由于单一模型易受偶然因素影响,且无法充分利用有效信息,导致其预测精度不高,适用性不强。基于此,文中提出了一种结合自适应粒子群算法（APSO）、支持向量机回归算法（SVR）、门控神经网络算法(GRU)的组合模型。该模型通过自适应粒子群优化算法对支持向量机回归算法进行参数寻优,确定最优参数组合,然后利用最小二乘法对APSO-SVR模型与GRU模型赋权建立最优权重比组合模型。以三峡白水河滑坡作为研究对象,选取降雨量、库水位及位移量作为周期项位移的影响因子,对模型进行训练验证,结果表明：在白水河滑坡周期项位移预测中,文中所提出的APSO-SVR-GRU组合模型与单一模型相比,具有更高的预测精度和稳定性。     

基于条分法的滑坡位移非线性动力学模拟方法

滑坡的位移变化是一种非线性的过程,并在各种因素的影响和作用下表现出各种动力学特征。本文在传统的条分法的基础上,采用离散无模型的思想,提出一种滑坡位移非线性动力学模型的方法。最后给出了几种合理的模拟结果。     

基于点云密度特征的滑坡位移监测方法

激光扫描仪对同一目标两次采集的点并不重合,无法通过点云的直接比较快速确定滑坡位移。考虑到单个点云位置的不确定性和区域点云密度的稳定性,将点云的密度作为滑坡表面变形的表征,提出了基于点云密度特征的滑坡位移监测方法。将离散的三维点云转化为二维的密度图像,再利用粒子图像测速技术分析位移前后两幅点云密度图像的相关性,从而计算栅格图像中各子集的相对位移值;当各子集的位移全部计算完成后,得到目标区域的平面位移场。室内块体移动试验表明该方法的计算精度受变形梯度的影响,在地表变化剧烈处会产生一定程度的误差,且子集相关性系数无法达到1。在黄藏寺滑坡的位移监测中,利用本方法识别出了边坡的变动区域,计算出了滑坡的平面位移场,直观地反映了滑坡表面变形状况,验证了该方法的实用性。     

基于变系数回归模型的三峡库区滑坡位移预测

降雨-库水联合作用影响着三峡库区滑坡,而降雨、库水分别对滑坡演化的贡献及作用规律迄今尚不明确.以库区树坪滑坡和八字门滑坡为例,通过分析降雨和库水位资料,采用变系数回归模型,对滑坡位移进行预测.实验结果表明:经过改进的变系数回归模型方法不仅比传统的线性回归模型、自回归积分滑动平均模型、支持向量机模型方法具有更高的预测精度,而且能定量地给出各影响因素对滑坡位移的贡献.      

基于物理模拟试验的岩质滑坡地表位移分析

三段式岩质滑坡是一种典型的斜坡变形破坏模式,运用二维地质力学加载系统对其变形破坏全过程进行物理模拟试验研究,采用激光位移计对坡顶和坡脚位置进行位移监测。结果表明:位移监测曲线总体上表现为锁固段经历长时间的能量积累与应力调整后的突发脆性破坏;由于软弱夹层具有蠕滑特性,前缘蠕滑阶段呈现出与土质滑坡相似的初始变形→等速变形→加速变形特征;后缘拉裂阶段作为最短暂的变形阶段,其位移监测曲线表现为“减-增-减-增”的“W”型变化趋势;锁固段是三段式岩质边坡维持稳定的关键所在,其受剪变形的顺序为先上后下,损伤变形由端部向中部递进,最终锁固段剪断形成突发脆性破坏,滑坡高速启动。     

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。     

黄荆树滑坡特征分析

从地形地貌、物质组成特征和滑带土识别、验证及原始地貌恢复等几方面论述了黄荆树滑坡存在的必然性,从而为滑坡勘查工作设计提供了一种工作方法。     

滑坡位移多重分形特征与滑坡演化预测

在系统分析滑坡位移监测资料和位移演化特征的基础上,根据多重分形理论基本原理,对滑坡位移演化所具有的复杂性、突变性和非线性特征进行了分析和研究。单一分形维数对滑坡位移的演化趋势预测存在不足,文中分别以新滩滑坡、丹巴滑坡和黄蜡石滑坡为例,计算了滑坡位移时序演化的多重分维数演化特征。分析和评价位移演化规律与多重分维数演化特征的关系发现,多重分维数D1 > D2 > … > D∞时,滑坡趋于稳定;D1 < D2 < … < D∞时,滑坡向失稳破坏演化。当滑坡位移时序多重分维数演化特征出现拐点时,即分维数由D1 > D2 > … > D∞,经D1 > … > Dn < Dn+1 < … < D∞到 D1 < D2 < … < D∞的演化过程时,滑坡向不稳定的状态演化;当分维数由D1 < D2 < … < D∞,经D1 > … > Dn D2 > … > D∞的演化过程时,滑坡向趋于稳定的状态演化。研究表明,可以运用多重分维数演化特征对滑坡位移演化趋势与规律进行评价与预测。