一种基于EEMD-RFR的水库滑坡台阶状位移预测模型

水库滑坡的位移与周期性的库水波动和季节性降雨等诱发因素关系密切,由于库水位升降和降雨的作用,滑坡累计位移变形曲线呈明显的"台阶状",准确、及时地预测此类台阶状位移对提升该变形的认识具有重要意义.为深入了解诱发因素对水库滑坡位移的影响,预测其变形演化趋势,本研究提出了一种基于集合经验模态分解(EEMD)和随机森林回归模型...     

位移监测在滑坡时空运动研究中的应用

滑坡时空运动特征是滑坡地质体在内因和外因共同作用下，自一种状态向另一种状态转化的地质过程。滑坡位移监测是研究滑坡变形影响因素、动态规律及预测预报的主要途径，特别是滑坡深部位移监测，又为研究滑坡体的时空运动过程提供了重要信息。本文结合几个滑坡的深部位移监测实践，综合分析位移监测信息，研究滑坡体的时空运动特征及发展趋势，为滑坡时空运动系统研究及稳定性预测提供依据。     

基于机器学习的库岸滑坡变形短期预测

库岸边坡是一个复杂的地质综合体,库岸滑坡是威胁库区安全的地质隐患。多数传统滑坡预测模型为静态模型,未将滑坡变形特征与位移预测二者结合考虑,不能实际反映滑坡演化过程中的动态特性。本文基于溪洛渡库区58处涉水滑坡变形监测结果,归纳了库岸滑坡变形规律,采用机器学习方法实现了不同特征滑坡变形趋势的短期预测。研究结果显示：(1)研究区年平均地表形变速率处于-116.841～265mm·yr^-1,负值代表目标地物远离卫星方向位移,正值代表目标地物靠近卫星方向移动,其中存在缓慢变形滑坡13处,根据其累计位移曲线特征划分为：阶跃型、振荡型和持续增长型三类。(2)阶跃型滑坡滑面多为弧线型,其变形主要受库水位周期性变动影响;振荡型滑坡滑面多为折线型,其变形多受库水位和降雨共同作用;持续增长型滑坡滑面多为直线型,其变形主要受自身地质条件控制。(3)针对不同变形特征滑坡,采用长短时记忆(LSTM)神经网络模型考虑多因素耦合和滑坡演化状态建立了滑坡变形动态预测模型,通过评价结果验证,该模型具有较高预测精度及良好的适用性。研究结果可以为溪洛渡库区滑坡系统研究与防治提供依据,为库区不同变形特征...     

位移矢量角在堆积层滑坡时间预报中的应用

针对堆积层滑坡变形破坏特点，运用灰色理论，对滑坡位移观测资料进行了处理，求出了灰色位移矢量角。通过对新滩滑坡灰色位移矢量角特征分析，发现灰色位移矢量角具有与滑体稳定状态相一致的动态特征。因此提出运用灰色位移矢量角来预报堆积层滑坡的新方法。     

滑坡变形监测系统深部与地表变形关系初探

滑坡的孕育、演变、发生是一个累进性变形破坏过程,开展滑坡变形的长期监测工作对滑坡稳定性评价、滑坡的预测预报及治理具有重要的工程意义。目前,滑坡变形监测多集中于坡体表部,很难系统获得反映滑坡稳定性的深部变形资料。本文以某溃屈型滑坡为例,初步分析了滑坡深表部变形的关系,为滑坡稳定性分析及变形破坏趋势预测提供了依据。     

丹巴滑坡的位移特征

滑坡位移资料可为分析滑坡运动规律、发展趋势和预测预报提供依据。通过对丹巴滑坡治理过程中滑坡前部、中部和后部的位移监测资料分析,滑坡位移速度可划分为两个阶段:位移速度增加阶段和减少阶段。分析了各部位的各个阶段运动特征及其影响因素。对各部位位移速度在增加阶段和减小阶段的速度与时间关系的曲线拟合,表明滑坡在位移速度增加阶段具有相似的运动特征,拟合方程都较好地符合指数方程,而在速度减小阶段受治理工程的影响差别较大,拟合方程分别为对数、线性和指数方程。以监测数据的初始值和累计最大值,利用Lo-gistic模型对各部位的累计位移进行预测,预测值与实测值的拟合程度较高,表明丹巴滑坡在治理过程中的整个累计位移较好地遵循Logistic增长过程。从位移监测资料可以看出,滑坡治理工程有效地控制了滑坡的活动。     

滑坡综合预报方法研究

滑坡综合预报是基于对滑坡发育状态的形成条件类比分析和滑坡位移历时分析的综合方法,从滑坡形成条件、变形状态、诱发因素的方式和影响程度的动态分析入手,结合滑坡加速变形破坏阶段的位移历时特征,建立滑坡预报模型,实现对滑坡的预报.与其他滑坡预报方法相比,滑坡综合预报方法的综合性强,能较好的确定滑坡的发育状态,分析滑坡发生剧烈滑动的可能性,能对不同发育阶段的滑坡做出准确判别.     

广元市金洞乡Ⅱ号滑坡系统演化的非线性动力学反演分析

本文在研究广元市金洞乡Ⅱ号滑坡位移特征基础，认为该滑坡正处于开放的、复杂的非线性动力学系统中。在滑坡系统诸要素中，宝珠寺加水位的升降已成为系统演化的控制力量。坡体位移是系统演化的主要状态变量，但北部坡体、南部坡体与中部坡体之间的滑动变形具较强的独立性，单一的位移序列不能较好的反映滑坡的演化特征。因此，文中以两列独立的位序列为状态变量，结合控制变量建立了滑坡系统演化的非线性动力学模型，并从现有的变形监测滦资料进行滑坡系统的非线性力学反演和稳定学反演和稳定性评价。     

基于GPS的雅安峡口滑坡变形监测

滑坡是斜坡体物质变形累积到一定程度而形成并发生的,因此通过滑坡体的变形监测,能揭示和预测坡体的变形趋势,且监测的数据精度越高,对滑坡的预测和趋势分析准确度越高.目前对滑坡体的地表变形监测手段很多,但大多数监测数据的精度都不尽如人意,因此监测仪器以及手段的选择至关重要.GPS对静止物体的空间相对定位精度已非常高,本研究正是基于GPS观测数据高精度的特点,借助其对滑坡进行监测,从而分析滑坡的变形特征以及可能发展趋势.     

滑坡现场监测用的HA-1P数据测量仪

HA-1P数据测量仪可配接电阻应变计式传感器和电位计式传感器,用来测量倾斜、位移、沉降、挠度、转角、转矩、拉力、压力、应力应变、孔隙水压力和水位等参数,以监测滑坡动态和预报滑坡发生的时间、规模。     

降雨型浅层滑坡的变形预测模型

滑坡是边坡被某些诱发因素激发失稳产生滑动的一种地质现象。它是地质灾害的主要类型,尤其以降雨滑坡数量最多,其中浅层滑坡分布最广。通过对降雨型浅层滑坡的变形进行分析,建立了基于功能原理的滑坡一维运动方程,并结合太沙基固结原理,研究滑坡运动过程中孔隙水压力的消散,揭示了滑坡从运动-停止的动力演化过程,构建了降雨型浅层滑坡的位移预测模型,并以都江堰塔子坪滑坡为例进行分析,通过mathmatic给出了滑坡运动的速率、位移与降雨量的量化关系式。     

GM（1，1）优化模型在滑坡预测预报中的应用

灰色模型在社会科学、自然科学的许多方面已得到广泛的应用，并取得了一系列重大成果。在斜坡(滑坡)地质灾害研究方面，灰色模型多用于斜坡(滑坡)变形的中长期预测预报，且精度较高；但对滑坡短临预测预报精度较差，甚至不能适用，有待改进。滑坡变形预测预报的实际算例表明，以优化灰色模型背景值为基础的优化GM(1，1)模型。具有对建模结果进行优化的能力，即能用于斜坡变形的中长期预测预报，又能适于滑坡短临预测预报。且都能获得较高的模拟和预测精度。应用传统线性GM(1，1)模型和非线性Verhulst模型进行对比分析，检验了优化GM(1，1)模型的正确性和较广泛的适用性。     

滑坡深部位移曲线特征及稳定性判识

结合川藏公路二郎山隧道西引道榛子林复活深层滑坡、和平沟浅表层滑坡,深部位移监测,总结归纳了滑坡深部累积位移曲线“Ｖ”型、“Ｂ”型、“ｒ”型、“钟摆”型及“复合”型等几种,常见的特征类型的研究其意义,提出了依据滑坡深部位移监测资料判别滑坡稳定性的判识方法。     

斜坡失稳时间的协同预测模型

斜坡岩体由小变形到大变形乃至滑坡的发生，实质上是由组成斜坡的各子系统协同作用的结果．将协同学引入斜坡的稳定性预测评价中，并提出了一种新的斜坡失稳时间预测模型──协同预测模型．经实例检验，该模型预测精度较高，可用于滑坡的短期或临滑预报．     

灰色GM(1,1)残差修正模型在滑坡预测中的对比应用

在传统GM(1,1)模型的基础上,经过不同方式的残差修正,分别建立了一阶残差修正GM(1,1)模型和二阶残差修正GM(1,1)模型。根据滑坡的监测资料,对变形曲线为光滑型滑坡(如黄龙西村滑坡、某滑坡)和阶跃型滑坡(如新滩滑坡、洒勒山新滑坡)分别建立了传统GM(1,1)模型和一阶、二阶残差修正模型,并对不同滑坡各模型的预测精度进行了分析比较。结果表明,残差修正GM(1,1)模型的预测精度明显高于传统GM(1,1)模型的预测精度。对变形曲线为光滑型的滑坡,二阶残差修正GM(1,1)模型的预测精度一般高于一阶残差修正GM(1,1)模型的预测精度;对变形曲线为阶跃型的滑坡,一阶残差修正GM(1,1)模型的预测精度高于二阶残差修正GM(1,1)模型的预测精度。     

河北省滦平县第一中学新校区南侧山体滑坡的治理方案研究

针对滦平县第一中学新校区建设工程南侧的滑坡灾害对学校产生的安全威胁,本文对滑坡灾害特征和诱发因素进行了研究,进而提出了治理措施.结果表明:滑坡变形特征较为明显,前部滑坡区的崩滑、张拉裂缝发育,后部变形区的张拉裂缝发育处于基本稳定状态;根据滑坡的危害对象,对滑坡的治理采用"预应力锚索抗滑桩+格构梁坡脚支挡、锚杆加固岩层坡...     

丹巴县甲居滑坡复活机制及其稳定性分析

甲居滑坡为一个特大型堆积层古滑坡,因其位于四川省丹巴县甲居藏寨风景旅游区而广受关注.结合滑坡形成的地质环境条件,从滑坡形态、坡体结构、地表变形破坏发育特征等方面人手,对该典型堆积层滑坡进行了分析论述.研究表明,滑坡形成演化历史较为复杂,是一个多级多层滑动形成的非连续复合变形体,其变形复活与滑坡岩土结构、河流侵蚀和人类工程活动密切相关,滑坡具有长期间歇性蠕滑变形特征,以局部滑移为主,难以产生整体性变形破坏,进而为滑坡下一步的监测治理提供了依据.     

基于QPSO-LSSVM的边坡变形预测

滑坡变形受外界影响因素作用的机理十分复杂,难以采用简单方法对其进行预测,因此建立快速准确的滑坡预测模型十分重要。采用比一般支持向量机(SVM)预测效果更好且计算速度更快的最小二乘支持向量机(LSSVM)方法,选用RBF核函数对边坡位移时序数据进行训练和预测,并引入量子粒子群算法(QPSO)对LSSVM模型参数γ和σ进行全局寻优,避免了人为选择参数的盲目性,提高了模型的预测精度。将优化模型应用于新滩滑坡和卧龙寺新滑坡的变形预测,并与传统的LSSVM、PSO-LSSVM模型进行预测精度及收敛性对比分析。结果表明,QPSO-LSSVM模型较传统方法在预测精度上有了明显提高,且收敛速度明显加快,说明QPSO-LSSVM模型在边坡位移时序预测中具有良好的应用价值。     

金龙山地区滑坡综合观测方案概述

金龙山地区滑坡综合观测方案的设计原则有:阶段性、科学性、综合性和适用性。滑坡综合观测内容含:斜坡应力变化,滑体的运动变形与滑坡的地声,地下水动态,以及影响滑坡发生发展的因素(降水等)。为此在本方案中包含10个滑坡观测项目(1987—1991年已在当地开展了8个,获取3万余个数据),对观测数据由微型计算机加以综合管理。此外对组建减灾防灾组织系统(如成立指挥部和制定群防避灾措施等)在方案中也作了考虑。     

岷江上游汶川-较场段滑坡稳定性的神经网络评判及其堵江可能性浅析

在滑坡的变形迹象研究的基础上,采用Ｂ－Ｐ神经网络模型对岷江上游汶川－较场河段内２８个典型滑支的稳定性进行评判,评判结果表明：目前岷江上游汶川－较场河段内共有１０个滑坡处于不稳定状态,在降雨、地震和人类工程活动等诱发因素作用下容易发生滑坡堵江。