基于混合核函数PSO-LSSVM的边坡变形预测

支持向量机（SVM）的核函数类型和超参数对边坡位移时序预测的精度有重要影响。鉴于局部核函数学习能力强、泛化性能弱,而全局核函数泛化性能强、学习能力弱的矛盾,通过综合两类核函数各自优点构造了基于全局多项式核和高斯核的混合核函数,并引入粒子群算法（PSO）对最小二乘支持向量机（LSSVM）超参数进行全局寻优,提出了边坡位移时序预测的混合核函数PSO-LSSVM模型。将模型应用于锦屏一级水电站左岸岩石高边坡变形预测分析,并与传统核函数支持向量机预测结果进行对比分析。结果表明,该模型较传统方法在预测精度上有了明显提高,预测结果科学可靠,在边坡位移时序预测中具有良好的实际应用价值。     

滑坡位移时序预测的核函数构造

获得支持向量机(SVM)背景下滑坡位移时序准确预测的关键,是构造或选择一合适的核函数。通过分析滑坡位移时序曲线特征以及不同类型Mercer核的性质,从基于核函数上的封闭运算角度,构造出支持向量机背景下预测滑坡位移时序的最佳核函数。利用3组不同特征的滑坡位移时序,对构造出的核函数进行性能检验,数值实验表明：对于典型的3组滑坡时序,LPG与MPG核的学习性能要优于简单核,且前者适合复杂位移时序的回归预测,而后者更适合规律性较强的简单时序曲线的建模预测。此外,探讨了这两种核函数下的核参数取值对模型精度的影响。     

基于优化经验模态分解和聚类分析的滑坡位移智能预测研究

针对三峡库区"阶跃式"滑坡的变形特征,提出了一种新的滑坡位移预测方法。以白水河滑坡ZG118和XD-01监测点位移数据为例,采用基于软筛分停止准则的经验模态分解(SSSC-EMD)将累计位移-时间曲线和影响因子时间序列自适应地分解为多个固有模态函数(IMF),并采用K均值(K-Means)聚类法对其进行聚类累加,得到有物理含义的位移分量(趋势性位移、周期性位移以及随机性位移)和影响因子分量(高频影响因子和低频影响因子)。使用最小二乘法对趋势性位移进行拟合预测;采用果蝇优化-最小二乘支持向量机(FOA-LSSVM)模型对周期性位移和随机性位移进行预测。将各位移分量预测值进行叠加处理,实现滑坡累计位移的预测。研究结果表明,所提出的(SSSC-EMD)-K-Means-(FOA-LSSVM)模型能够预测"阶跃式"滑坡的位移变化规律,且预测精度高于传统的支持向量机回归(SVR)、最小二乘支持向量机(LSSVM)模型;并通过改变训练集长度,进行单因素分析,发现其与预测精度之间呈正相关关系。     

基于SVM多类分类的滑坡区域危险性评价方法研究

近年来，随着新理论、新技术得发展，提出了许多新模型和方法应用于滑坡区域危险性评价中。支持向量机（support vector machine，SVM）是新一代的学习算法，已有前人利用SVM应用于滑坡灾害预测中。然而大多只是利用了SVM的两分类算法，得到的结果只有稳定不稳定两种．这对滑坡区域评价来说是远远不够的。本文尝试利用SVM的多类分类算法进行滑坡危险性区域评价，取得了较好的结果。     

基于灰色最小二乘支持向量机的边坡位移预测

利用边坡实测位移序列预测边坡未来时间的位移,可以有效地判断边坡的稳定性。在分析了灰色预测方法和最小二乘支持向量机各自的优缺点的基础上,提出了将二者相结合的一种新的预测模型--灰色最小二乘支持向量机预测模型。新模型既发挥了灰色预测方法中“累加生成”的优点,弱化了原始序列中随机扰动因素的影响,增强了数据的规律性,又充分利用了最小二乘支持向量机求解速度快、易于描述非线性关系的优良特性,避免了灰色预测方法及模型存在的理论缺陷。同时,采用遗传算法进行了模型的参数优化,通过2个工程实例说明灰色最小二乘支持向量机模型预测边坡位移的有效性,具有较高的精度。     

工程先验知识辨识下的滑坡非平稳变形支持向量机预测

针对缺乏非平稳变形（阶段性、反复性及突变性）特征数据导致的滑坡预测与评估不完全符合工程实际的情况,通过分析变形时序的物理意义与类型,在定义了非平稳变形趋势变化外延模式的基础上,提出了综合考虑滑坡当前变形阶段、观测变形数据特征以及待预测时段外界诱发因素的时序外延模式辨识方法,并进一步在工程先验知识指导下建立了支持向量机（SVM）预测模型。通过2个工程实例对方法进行应用验证。结果表明,工程先验知识能够有效补充非平稳变形的观测数据信息,对预测建模具有指导性作用;融入外延模式的SVM模型与一般性SVM的外推预测,其平均相对误差可降低2～3倍,预测的可靠性与准确性得到了显著增强。     

基于PSO-SVM的边坡稳定性组合预测方法研究

为利用不同边坡稳定预测方法的特征信息,改进预测质量,提出了一种基于微粒群优化--支持向量机(PSO-SVM)的边坡稳定性非线性组合预测模型。该模型能够利用边坡的特征参数快速预测出边坡的稳定性,且在建模过程中可对不同建模方法的特征信息进行整合,避免了单一方法的偶然性。为提高SVM的学习、泛化能力,采用混合核函数,并用具有并行性和分布式特点的PSO算法优化选择SVM模型参数。利用该非线性组合预测模型对73个边坡实例进行学习,对另外10个边坡实例进行推广预测,研究结果表明,该模型较好地整合了不同建模方法的特征信息,较单一模型、加权组合模型和BP网络组合模型具有更高的预测精度和更小的峰值误差,为边坡稳定性评价提供了一种新的途径。     

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。     

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。     

基于经验模态分解和加权最小二乘支持向量机的采空区地面塌陷预测

根据采空区路面塌陷数据的特性,提出了基于经验模态分解（EMD）和加权最小二乘支持向量机（WLS-SVM）预测采空区地面塌陷的新方法,并将其应用于吉林省长平高速公路因刘房子煤矿开采而引起的塌陷预测中。对实测的塌陷数据首先利用三次样条插值得到平滑的信号曲线,然后用EMD对插值后的信号进行时空滤波降噪处理,得到反映塌陷趋势的剩余分量,最后将其馈入到WLS-SVM模型完成预测。预测给出了采空区塌陷的中长期预测结果,得到塌陷区的最终塌陷值为174.34 cm,预测结果与实际监测数据平均偏差约1.06%。对长平高速公路下伏采空区段的实测数据进行分析,并与最小二乘支持向量机（LS-SVM）和BP神经网络预测结果进行了对比。结果表明:基于EMD和WLS-SRM的采空区地面塌陷预测方法具有更高的预测精度和广泛的适用性。     

Landslide displacement prediction technique using improved neuro-fuzzy system

Landslides are one of the most destructive forms of natural hazards, which cause serious threat to life and properties. Landslide monitoring and perdition of future landslide behavior is an important aspect of disaster mitigation, as it helps to issue early warnings and adopt suitable control measures in time. This paper proposes a technique, landslide displacement prediction using recently proposed extreme learning adaptive neuro-fuzzy inference system (ELANFIS) with empirical mode decomposition (EMD) technique. ELANFIS reduces the computational complexity of conventional ANFIS by incorporating the theoretical idea of extreme learning machines (ELM). The nonlinear original landslide displacement series first converted into a limited number of intrinsic mode functions (IMFs) and one residue. Then, the decomposed data are predicted using ELANFIS algorithm. Final prediction is obtained by summation of outputs of all ELANFIS submodels. The performances of the proposed technique are tested in Baishuihe and Liangshuijing landslides. The results show that ELANFIS with EMD model outperforms state of art methods in terms of prediction accuracy and generalization performance.     

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。     

山区下开采覆岩移动规律及破断机制研究

以海石湾矿山地下开采为背景,借助基于连续介质力学的离散元方法--CDEM数值模拟计算方法,对山区下煤层开采过程中不同采动影响模式下覆岩的移动和破坏进行了模拟分析,并结合相似模拟试验与现场岩移监测所得结果,得到了顺坡推动式采动影响模式及逆坡牵引式采动影响模式下,覆岩的移动和破坏形式,并从数值分析和实际观测上验证了高顺坡开采转低逆坡开采时覆岩悬臂梁结构的存在,解释了坡底局部隆起的现象。研究表明,在相同地质条件下,顺坡开采坡顶易发生张拉及剪切破坏,坡底有剪切蠕滑的可能,因此,较逆坡开采对边坡稳定性影响更大。所以在实际生产中宜将上工业广场建于低矮的坡体较完整的逆坡上。     

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。     

露天矿边坡的位移监测与滑坡预报

对湖北大冶铁矿滑坡区域的长期监测资料进行分析和总结，提出依据位移-时间曲线预报滑坡的方法。     

位移监测在边坡治理工程中的应用

位移监测可为分析滑坡的结构和成因、评价预测滑坡的稳定性及发展趋势等提供重要信息。实例分析表明,将位移监测资料与斜坡变形破坏现象结合起来,能准确地判定斜坡的变形阶段,评价和预测边坡施工及其使用过程中边坡的稳定状况。     

Probabilistic calibration of a coupled hydro-mechanical slope stability model with integration of multiple observations

Multiple types of responses, such as displacements, ground water level, pore water pressures, water contents, etc., are usually measured in comprehensive monitoring programmes for rainfall-induced landslide prevention. In this study, a probabilistic calibration method for coupled hydro-mechanical modelling of slope stability is presented with integration of multiple types of measurements. A numerical example of a soil slope under rainfall infiltration is illustrated to compare the effects of single and multiple types of responses on parameter estimation and model calibration. The results show that the soil parameters can be estimated with less uncertainty and total uncertainty bounds are narrower with multiple types of responses than with a single type of response. Model calibration based on multiple types of responses can compromise different responses and hence the means and standard deviations of model error are the smallest. A feasible correlation coefficient between soil modulus and permeability can be obtained from model calibration with multiple types of responses and single type of response as long as the responses include displacement data.     

推移式滑坡演化过程模型试验与数值模拟研究

利用MTS电液伺服加载与控制系统对推移式滑坡物理模型后缘进行了分级推力加载,完成了推移式滑坡演化全过程的模拟。基于三维激光扫描技术对滑体表面的位移和变形进行了高精度、全方位、非连续性监测。采用多重分形基本理论对监测点云数据进行了系统分析,从试验的角度探讨了推移式滑坡演化过程中位移多重分形维数的变化特征。模型试验结果表明：推移式滑坡变形破坏以沿滑带发生的整体滑移为主,并表现出明显的演化阶段性特征,大致可划分为3个阶段：（1）后缘压缩阶段：滑坡模型表面变形体现为后缘土体的局部前移与隆起,整体变形小,多重分形维数成降维的特征,降维过程中未发生突变、有序性好;（2）匀速变形阶段：滑坡模型表面产生了明显的位移,变形不断向前和向两侧发展,前缘、中部滑体发生隆起现象,多重分形维数表现出先减后增的趋势;（3）加速变形阶段：滑坡模型表面体现出持续、快速、变化鲜明的整体变形特征,伴随出现滑坡模型中前部隆起带及横向、纵向的隆胀裂缝,多重分形维数成增维趋势。基于模型试验,利用FLAC3D进行了推移式滑坡演化过程的动态数值模拟,验证了滑坡演化的阶段性特征,揭示了推移式滑坡演化过程中稳定性系数非线性递减的规律。     

Geometric and kinematic characterization of landslides affecting urban areas: the Lungro case study (Calabria,Southern Italy)

The geometric and kinematic characterization of landslides affecting urban areas is a challenging goal that is routinely pursued via geological/geomorphological method and monitoring of ground displacements achieved by geotechnical and, more recently, advanced differential interferometric synthetic aperture radar (A-DInSAR) data. Although the integration of all the above-mentioned methods should be planned a priori to be more effective, datasets resulting from the independent use of these different methods are commonly available, thus making crucial the need for their standardized a posteriori integration. In this regard, the present paper aims to provide a contribution by introducing a procedure that, taking into account the specific limits of geological/geomorphological analyses and deep/surface ground displacement monitoring via geotechnical and A-DInSAR data, allows the a posteriori integration of the results by exploiting their complementarity for landslide characterization. The approach was tested in the urban area of Lungro village (Calabria region, southern Italy), which is characterized by complex geological/geomorphological settings, widespread landslides and peculiar urban fabric. In spite of the different level of information preliminarily available for each landslide as result of the independent use of the three methods, the implementation of the proposed procedure allowed a better understanding and typifying of the geometry and kinematics of 50 landslides. This provided part of the essential background for geotechnical landslide models to be used for slope stability analysis within landslide risk mitigation strategies.