滑坡位移动实时跟踪预测

在滑坡动态观测数据时序系统建模理论方法基础上，采用限定记忆最小二乘递推法，提出滑坡位移动态跟踪预测问题，介绍了该方法的基本原理及预测步骤，通过实例的综合研究进一步证明了该动态跟踪预测方法的可行性，并达到一定的预测精度，可以对一定条件下的滑坡变形位移作出超前动态预测。     

基于指数平滑法与回归分析相结合的滑坡预测

滑坡时间预报研究是滑坡研究中的一个热门课题。以实际监测数据为基础,把指数平滑法与非线性回归分析法结合起来;以滑坡的变形值和变形速率为判据,对滑坡进行时间失稳的动态跟踪预报。根据某滑坡的实际情况,对部分监测点位移进行了建模和预测,预测结果表明,该方法具有较高的精度,可以应用于实际工程。     

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。     

基于时间序列EEMD重构的滑坡位移PSO-SVR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。基于位移响应成份模型的滑坡位移预测方法是对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份与低频成份的问题,提出了基于时间序列EEMD重构的滑坡位移PSO-SVR预测的方法。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法将地表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,结合其它常用因素,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它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。     

基于滑坡监测数据的Elman神经网络动态预測

滑坡在我国是一种极为频发的地质灾害,且其积累位移监测曲线有着复杂的非线性特性,对此各研究者建立过许多预测模型,然而这些模型的预测精度不尽如人意。基于Elman神经网络可以任意精度逼近任意非线性函数的特征,并以sigmoid为方程的核函数,在选择隐含层数时用了试用法,通过“3δ”法及归一化工程实例滑坡累积位移数据,建立了Elman神经网络动态预测模型。基于该模型对多个监测点数据进行动态预测,结果表明该模型的预测结果与实测数据的吻合度较高,且平均误差为1.78%,预测精度较高,验证了Elman神经网络能够在预测滑坡灾害中发挥一定作用。     

基于滑坡监测数据的Elman神经网络动态预测

滑坡在我国是一种极为频发的地质灾害,且其积累位移监测曲线有着复杂的非线性特性,对此各研究者建立过许多预测模型,然而这些模型的预测精度不尽如人意。基于Elman神经网络可以任意精度逼近任意非线性函数的特征,并以sigmoid为方程的核函数,在选择隐含层数时用了试用法,通过"3δ"法及归一化工程实例滑坡累积位移数据,建立了Elman神经网络动态预测模型。基于该模型对多个监测点数据进行动态预测,结果表明该模型的预测结果与实测数据的吻合度较高,且平均误差为1.78%,预测精度较高,验证了Elman神经网络能够在预测滑坡灾害中发挥一定作用。      

基于ENN广义预测控制算法的滑坡位移多步预测

针对滑坡位移预测时变性和复杂性的特点,将具有动态反馈特性的Elman神经网络(ENN)引入到分析研究中,充分发挥ENN对非线性情况的适应性。同时将之与广义预测控制算法相结合,以ENN作为广义预测控制算法的预测模块,结合滚动优化和反馈校正,提出了基于ENN广义预测控制算法的滑坡位移多步预测模型。将该方法应用于重庆市巫山县龙井乡白泉村大水田滑坡的位移预测,证实多步预测能够对位移变化趋势进行良好的拟合,同时高精度地实现了邻近时步的预测;通过与ENN多步预测进行对比,验证了模型的有效性。     

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。     

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。     

基于集成学习的阶跃型滑坡阶跃点判别分析

针对阶跃型滑坡阶跃点识别和预测难的问题,提出了一种基于聚类分析和集成学习的阶跃型滑坡阶跃点识别和判别模型。以三峡库区八字门滑坡ZG110钻孔2010年4月至2016年12月80个滑坡位移、库水位和降雨数据为例,通过聚类分析方法识别滑坡累积位移-时间曲线中的阶跃点和平稳点,并利用K均值聚类分析检验分类结果的准确性。基于灰色关联确定了滑坡位移的最佳诱发因素,结合随机森林模型建立阶跃型滑坡阶跃点判别模型并利用八字门滑坡ZG111钻孔验证该模型的准确性。模型阶跃点和平稳点的识别准确率均达90%以上,表明该方法在阶跃型滑坡识别中具有较好的适用性,可为阶跃型滑坡的预测提供参考。     

基于数值模拟的三峡库区典型堆积层滑坡变形预测方法

目前对堆积层滑坡的变形预测大多基于数学模型或方法,忽略了引起滑坡位移显著变化的动力外因及滑坡自身的地质特征,因此,预报准确度和可信度较低。以三峡库区典型堆积层滑坡--鹤峰场镇滑坡为例,通过4组主要控制因素科学组合构建了滑坡的基本地质模型;以此为基础,重点考虑引起滑坡发生变形的库水作用动力因素,建立滑坡的数值-力学模型。通过实际监测点的变形监测结果与数值-力学模型中模型监测点的变形进行拟合分析,获取了实际时间与数值-力学模型中时步的等效关系;基于时间-时步等效关系及三峡水库设计水位调度曲线,得到了不同时步水位的波动特征;通过时步的外延,并在相应的时步段对数值-力学模型施加等效时间的库水作用,预测了滑坡在未来库水位变动条件下的变形。该预测方法既考虑了滑坡的工程地质模型又考虑了地下水作用效应,克服了纯数学方法预测的不足。     

基于斋藤模型的滑坡临滑时间预报方法改进及应用

滑坡临滑时间预报可根据滑坡变形时间曲线来建立,但现有临滑时间预报模型并未统一计算区间,因此相同模型在不同计算区间得出时间预报值可能存在较大差异。以贵州省龙井村滑坡为例,通过分析滑坡精细化变形数据,以斋藤时间预报模型为基础,确定出进行临滑时间预报的变形计算区间为切线角70°~75°之间,并根据变形曲线在临滑时具有明显上翘特征,导致滑坡发生时间提前的特点,通过分析切线角斜率与计算区间斜率的比例关系,引入修正系数0.5对滑坡时间预报值进行修正。通过近年来甘肃黑方台多次黄土滑坡的精细化变形数据进行检验验证,结果表明,改进的滑坡变形临滑时间预报方法具有良好的准确性和一定的普适性,为滑坡时间预报提供了较为准确的新方法。     

基于蒙特卡罗法的多级黄土滑坡可靠性分析

滑坡稳定性分析目前工程中一般采用极限平衡算法。为了确定滑坡的稳定性系数,在计算过程中要将岩土体、计算模型简化,忽略一些影响滑坡稳定的次要因素,把影响滑坡稳定的各种主要因素作为确定参数。由于滑坡岩土体本身的非均质性及其参数确定具有随机性和变异性,用唯一的稳定系数不能客观地反映整个滑坡的真实安全程度。以陕西省夏呀河滑坡为例,通过野外详细调查、工程勘探和室内土工试验,初步确定该滑坡存在四级滑动面,难以用简单的单一滑动面计算其稳定性。因此,先采用推力传递系数法对滑坡体上的四级滑坡分别进行滑坡稳定性计算,得到该滑坡体上的四级滑坡稳定系数。再采用蒙特卡罗法对该四级滑坡进行可靠性分析,得到其可靠度,定量地表达夏呀河四级滑坡的安全程度。同时对比分析夏呀河四级滑坡的稳定系数和失稳概率,综合评价该滑坡体上的四级滑坡的稳定性及其风险概率,为滑坡的工程治理及预测预警、灾害危险性评价提供依据。     

兰州市皋兰山Ⅰ2滑坡稳定性分析及治理设计

滑坡稳定性分析作为滑坡治理设计过程中一个关键的步骤,其计算方法的选择和计算结果的准确与否,直接关系到防治工程的安全可靠性、经济合理性和技术可行性等。以皋兰山Ⅰ2滑坡为实例,结合滑坡特征、滑动机理,对其稳定性进行分析、计算,并根据计算成果,进行了治理设计。     

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...     

GM—BP串联组合预测模型在滑坡变形监测中的应用

为了提高滑坡的预测精度,通过对灰色GM（1,1）模型与BP神经网络模型各自优缺点及互补性的分析,建立了GM—BP串联组合预测模型。模型首先采用等维动态GM（1,1）模型进行初步预测,然后利用BP神经网络对初步预测的结果进行训练及仿真,通过数据的归一化处理,参数的判定选取,获得组合模型预测值。以茅坪滑坡为例,对位移进行了预测。通过数据的对比分析,发现GM—BP串联组合预测模型在短期预测精度上高于单一模型。     

Study on spatial prediction and time forecast of landslide

Landslide is one of natural hazards in mountainous regions, which has resulted in a large quantity of casualties and property losses and also has absorbed high attention of the researchers and government. A considerable amount of research has been carried out in the past 30 years in the landslide field. In this paper, the contribution and existing problems on landslide are analyzed and summarized in the previous studies. Spatial prediction and zonation of the regional landslide are developed by using information content model that is a new method, with the example of landslide in Xincheng District of Badong County. On the other hand, by learning from the forecast theories and methods of earthquake forecast, probability of excess for landslide that will take place in the studied area is calculated quantitatively in next 5 and 10 years. All the calculated results are mainly accordant with the regional fact. Therefore, it may provide scientific data for landslide prevention and reduction as well as landslide management. Based on the achievement obtained in this study, it was found that 29.11% of the total area was prone to landslide due to the adverse effects of topography, reservoir water in the leading edge of bank, and improper land use. At the same time, the theory of spatial prediction and probability of excess will be example and reference for the other region of China or the world.     

库岸滑坡涌浪经验估算方法对比分析

分别介绍了3种常用的库岸滑坡涌浪经验估算方法--美国土木工程学会推荐方法、潘家铮方法和水科院经验公式法。针对乐昌峡水库鹅公带古滑坡体滑坡涌浪预测问题,采用3种常用经验估算方法,并构建几何比尺1:150的物理模型,对设计洪水位和正常蓄水位条件下滑坡体不同滑速所产生的涌浪进行计算和测试。通过滑坡入水点对岸山坡涌浪爬高、坝前涌浪爬高和B3测点涌浪高度结果的对比分析,发现3种常用经验估算法计算结果差异较大,其中潘家铮方法与模型试验结果最为接近。通过对计算结果差异的进一步分析,推荐在采用经验估算法进行库岸滑坡涌浪预测时选择潘家铮方法,此外,还解释了物理模型试验中所出现的一些现象,可供库岸滑坡涌浪预测参考。