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。     

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。     

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。     

考虑监测离群值朱家店滑坡位移预测研究

滑坡位移预测预报是滑坡防灾减灾的重要组成部分,提高滑坡位移预测的准确性与精确度是该项研究的重点与难点。本文在滑坡位移预测中考虑了监测样本的离群值,通过忽略、指定与修正离群值3种方式,研究滑坡位移预测样本离群值的最优处理方式。以三峡库区朱家店滑坡为例,基于ARIMA(p,d,q)模型,分别对累积位移与位移速率时间序列开展了预测研究。研究结果表明:修正离群值的预测结果介于忽略和指定离群值两者之间,更适用于存在监测离群值的滑坡位移预测;对于ARIMA模型,更适合采用位移速率进行预测预报;使用位移速率时间序列ARIMA(1,0,1)并修正离群值的预测结果为:2016年和2017年6月份滑坡前缘GP3"阶跃"位移分别为79. 0 mm和70. 2 mm,截止2017年8月,GP3累积位移将达1647. 7 mm。     

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。     

基于主控因子分析与GM-IAGA-WNN联合模型的平推式滑坡位移预测研究——以垮梁子滑坡为例

滑坡位移预测模型是滑坡预警系统建立的核心,而模型可靠性与精确性关键在于主控因子的选取与基础理论模型的构建。学者们通过大量滑坡实例研究,已取得了诸多成果,但是由于滑坡位移变化具有强烈的个性特征及趋势发展的不确定性问题,在多因子联合作用下的位移预测模型尚有不足之处。本文以西南地区普遍存在的平推式滑坡——垮梁子滑坡为研究对象,结合前人已有的研究成果,综合考虑坡体内外各项影响因子,利用灰色关联度与相关性分析对坡体变形主控因子进行优化筛选。以此为基础,提出一种基于GM（1,1）灰色模型与改进型自适应遗传算法（IAGA）进行优化的小波神经网络（WNN）联合预测模型构建方案。通过对垮梁子滑坡历时5年的监测数据挖掘分析,得知滑坡变形受累计降雨、渗压、地下水位及土体含水率影响显著,预测结果与实际监测比较吻合。相较于传统BP神经网络模型、小波神经网络模型和未优化遗传算法-小波神经网络联合模型,该联合模型具有更好的稳定性与精度优势,在滑坡预警预报研究中具有良好的应用前景。     

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。     

滑坡位移分解预测中的平滑先验分析方法

目前在滑坡位移预测研究中,先将滑坡位移数据分解为趋势项及周期项后再分别进行预测已成为普遍做法。平滑先验分析法(Smoothness Priors Approach,SPA)是一种计算过程简单、计算量极小,且能快速分离原始数据趋势项和周期项的数据处理方法。在介绍SPA基本原理基础上,以三峡库区白家包滑坡典型监测点位移数据为例,对通过调节SPA正则化参数而获得的不同趋势项及周期项进行特征分析;进而结合对滑坡变形演化机制过程的先验分析,根据位移分解特征确定合理的参数取值;最后针对不同参数SPA位移分解数据,采用支持向量机进行位移预测对比分析。结果表明,SPA是一种适用于滑坡位移预测的位移分解方法,通过调节正则化参数并结合滑坡变形机制先验分析,能够获得较为合理的位移分解结果,进而提高滑坡位移预测精度。     

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。     

钻孔测斜仪在高台滑坡深部位移监测中的应用

钻孔倾斜仪是一种测定钻孔深部位移的原位监测仪器,通过监测可以确定岩(土)体内滑面的位置、位移量和滑动方向,对分析边坡稳定性、确定滑坡动态起着重要的作用.为确保人民生命财产安全及水库的安全运营,应用CX-03系列测斜仪对高台滑坡的深部位移进行了监测分析,该滑坡GT1测孔未出现位移突变,GT2在11～16 m处推测可能存在滑带,两测孔的累积位移量都较小,判断目前该滑坡仍处于较稳定状态.     

遗传算法下的滑坡蠕滑位移预测模型研究

滑坡位移预测是预报滑坡灾害的重要依据,以往的滑坡位移预测模型多数为时间序列预测模型、BP神经网络预测模型、Gaussian拟合预测模型以及其他一些非线性预测模型。这些滑坡位移预测模型在建立上缺乏力学理论支撑,对不同力学特性产生的滑坡位移预测分析上没有针对性。文章针对力学特性为重力蠕变型滑坡位移的预测,提出一种基于遗传优化算法的滑坡蠕滑位移非线性预测模型。以鲁家坡滑坡东侧J05监测点的累计水平位移为例,划定测试区域与预测区域进行模型预测分析,并将新模型预测结果与Gaussian拟合预测模型、BP神经网络预测模型预测结果进行对比分析。结果表明,相较于传统预测模型,新模型的预测效果有所提升,有一定的工程价值与实践价值。     

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。     

位移-应力协同分析在新近纪软岩质滑坡监测中的应用——以陕西宝鸡市北坡滑坡为例

强降雨可诱发新近纪软岩质滑坡滑移变形。1955年至今,降雨在陕西宝鸡诱发超过十起大型滑坡灾害。2011年9月19日,宝鸡市区72 h内的降雨量达到332 mm,北坡金鼎寺、簸箕山与高家崖滑坡出现裂缝,威胁市区居民安全。为分析滑坡的变形机制与降雨触发的滑体内地下水位的波动关系,2012—2015年,开展了降雨量、地下水位、孔隙水压力、滑坡应力与位移等物理量的实时监测,统计分析了它们的频率、活动强度及累积变化规律,提出了滑坡的位移扩展模型。研究显示:(1)地下水的活动会影响新近纪软岩质滑坡的变形,但降雨量、地下水位、孔隙水压力、滑坡体应力与位移等物理量变化机制有差异,地下水位、孔隙水压力呈周期性变化,滑坡体的应力、位移的变化具有累积效应;(2)宝鸡市北坡滑坡运动变形具有蠕变、快速滑移两个阶段。降雨会触发的滑坡体各物理量出现加速变化,地下水位波动幅度为0.27~1m,孔隙水压力的变化幅度为10kPa,滑体浅层的水平应力变化幅度为5.6kPa;(3)在判断降雨能否诱发滑坡快速滑移过程中,既需分析滑体应力、位移变化的累积效应,又需分析新近纪软岩质滑带的摩擦破坏机制。     

基于三维激光扫描仪的滑坡表面变形监测方法——以金坪子滑坡为例

近年来,三维激光扫描仪越来越多地被应用于滑坡变形监测领域以降低或减少滑坡灾害带来的风险。本文以云南省乌东德地区金坪子滑坡为例,运用三维激光扫描仪监测技术对处在库区的金坪子滑坡表面变形进行了监测与研究。传统的监测数据显示,该滑坡正以每年约30cm的高速度向前推动,运动的结果可能危及周边居民的人身财产安全以及乌东德水电站的运营。研究中激光扫描数据集由高精度和高密度的三维点云组成,分别从6个站点、3次采集得到,时间跨度25个月(从2009年5月~2011年7月)。滑坡表面变形通过按时间序列排列扫描数据集的比较得出。通过采用三种方法,DEM(数字高程模型)比较,断面比较与固定点比较,分析已经过前处理的点云数据集,从而分析得到监测结果。此外,滑坡的变形量也计算得到。研究介绍了激光三维点云处理的流程,探讨了将三维激光扫描监测技术应用于大型、有部分植被覆盖的滑坡监测的可能性,并将监测结果分析与GIS平台结合起来,结果帮助我们大概地、基本地对滑坡稳定性做出评价。三维激光扫描监测滑坡变形的应用为我们在存在高风险的大型滑坡变形监测提供了另一种直观和高效的方式。     

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。     

清江水库茅坪滑坡监测与发展趋势预测

茅坪滑坡位于清江隔河岩水库上游北岸、距水库坝址66km处。是隔河岩水库库区中最大的基岩古滑坡体,其体积约2.35×107m3。自1993年4月10日水库下闸蓄水以来,该滑坡一直产生缓慢变形。滑坡发生整体失稳,则会截断清江,形成“库中坝”,并造成灾难性的恶果。为此,全面掌握该滑坡的变化发展趋势对今后进行防治决策具有十分重要的意义。掌握滑坡发展变化的关键就是对该滑坡进行现场监测。课题组多次现场踏勘,在原有8个地表监测点的基础上增设了29个监测点,使其布置更科学、合理;并对该滑坡进行了1个水文年的监测工作,获得了大量的第一手资料,认为该滑坡正处于位移加速阶段。通过现场监测,不仅对滑坡体的现状有了新的认识。同时,预测了茅坪滑坡的变化发展趋势,可以为制定该滑坡的防治预案提供参考。     

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。     

朱家店滑坡变形破坏特征及形成机制分析

采用工程地质调查、钻探、地表变形监测和岩土试验等手段,对朱家店滑坡进行系统研究.发现此滑坡是一古滑坡复活形成的中型黄土滑坡,其诱发因素包括,堆放废弃矿渣和煤矸石,井口开挖形成临空面,及降雨汇集下渗.位移监测查明的滑动方向受控因素, 一是西侧坡脚开挖形成的临空面,二是基岩面产状.     

库区滑坡的次生灾害分析与研究——以藕塘滑坡为例

滑坡除直接成灾外,还会产生次生灾害,滑坡体落入江河中,可形成巨大涌浪,造成较大的危害。涌浪高度除受滑速、失稳体积、水深等重要因素的影响外,波浪的形成还要受水库地形、库面宽度、滑坡入库过程的持续时间以及滑坡体的宽度等因素的影响,尤其在峡谷地区更为显著,且波浪在传播过程中,还受到河谷两岸的阻碍、往返的折射以及波群的相互干扰或迭加等影响。以藕塘滑坡为例,在滑波局部失稳情况下采用潘家铮涌浪算法,计算和预测滑体冲入库区后的滑速和造成的涌浪高度,并且考虑了地震作用和滑坡前缘泡在水中所产生的阻力。