基于集成学习与径向基神经网络耦合模型的三峡库区滑坡易发性评价

准确的滑坡易发性评价结果是滑坡风险评价的重要基础.为提升滑坡易发性评价精度,以三峡库区龙驹坝为例,选取坡度等10个因子构建滑坡易发性评价指标体系,应用频率比方法定量分析各指标与滑坡发育的关系.在此基础上,随机选取70%/30%的滑坡数据作为训练/测试样本,应用径向基神经网络和Adaboost集成学习耦合模型(RBNN-Adaboost),径向基神经网络和逻辑回归模型分别开展易发性评价.结果显示:水系距离、坡度等是滑坡发育的主控因素;RBNN-Adaboost耦合模型的预测精度最高(0.820),优于RBNN模型和LR模型的0.781和0.748.Adaboost集成算法能进一步提升模型的预测性能,所提出的耦合模型结合了两者的优点,具有更强的预测能力,是一种可靠的滑坡易发性评价模型.      

浙江省永嘉县区域滑坡灾害人口易损性评价和伤亡风险预测

区域滑坡灾害人口易损性及人口伤亡风险预测研究是区域滑坡灾害预警预报工作的一个重要环节,该研究对提高预警预报工作的针对性和有效性具有关键作用.在对浙江省永嘉县有关资料进行分析的基础上,从研究区人口年龄结构、居民对滑坡灾害风险的防范意识、政府对滑坡灾害的重视程度及滑坡灾害预警预报体系的完善程度4个方面评价了研究区人口易损性,并给出了计算人口易损性的公式,据此得到了永嘉县人口易损性分布图.根据永嘉县的实际情况,提出了耕地人口密度的概念.综合人口易损性分布图、人口密度分布图和滑坡灾害易发性预测图得到了研究区受威胁人口伤亡风险预测图,为当地政府职能部门实施滑坡灾害风险的控制和管理提供决策依据.     

三峡库区万州安乐寺滑坡滑带特征

安乐寺滑坡是三峡库区典型的缓倾角红层基岩滑坡, 对其滑带特征进行详细的研究有助于揭示缓倾角红层基岩滑坡的形成机制.宏观地质特征显示, 安乐寺滑坡滑带是侏罗系红层中灰白色泥岩(软弱夹层) 经挤压滑动所形成的, 擦痕指示最后一次滑动方向为100°.通过X射线衍射分析和红外光谱分析表明, 安乐寺滑坡滑带主要矿物成分为蒙脱石、伊利石、长石、石英等; 其特点是蒙脱石含量高, 并且滑动面上的蒙脱石含量高于滑带的蒙脱石含量.经扫描电镜观察, 滑带土微观结构以片状结构与定向排列结构为主; 显微擦痕发育, 并指示滑带曾发生过多次滑动.对滑带土的物理力学性质进行实验研究可知: 滑带土为中等膨胀性粉质粘土, 其抗剪强度低; 且吸水膨胀后, 抗剪强度大大降低.滑带土的这些特殊性质, 为安乐寺滑坡的滑动提供了物质基础.      

不同环境因子联接和预测模型的滑坡易发性建模不确定性

拟深入探讨滑坡与其环境因子间的非线性联接计算以及不同数据驱动模型等因素,对滑坡易发性预测建模不确定性的影响规律.以江西省瑞金市为例共获取370处滑坡和10种环境因子,通过概率统计（probability statistics,PS）、频率比（frequency ratio,FR）、信息量（information value,Ⅳ）、熵指数（index of entropy,IOE）和证据权（weight of evidence,WOE）等5种联接方法分别耦合逻辑回归（logistic regression,LR）、BP神经网络（BP neural networks,BPNN）、支持向量机（support vector machines,SVM）和随机森林（random forest,RF）模型共构建出20种耦合模型,同时构建无联接方法直接将原始数据作为输入变量的4种单独LR、BPNN、SVM和RF模型,预测出总计24种工况下的滑坡易发性;最后分别使用ROC曲线、均值、标准差和差异显著性等指标分析上述24种工况下易发性结果的不确定性.结果表明:（1）基于WOE的耦合模型预测滑坡易发性的平均精度最高且不确定性较低,基于PS的耦合模型预测精度最低且不确定性最高,基于FR、Ⅳ和IOE的耦合模型介于两者之间;（2）单独数据驱动模型易发性预测精度略低于耦合模型,且未能计算出环境因子各子区间对滑坡发育的影响规律,但其建模效率高于耦合模型;（3）RF模型预测精度最高且不确定性较低,其次分别为SVM、BPNN和LR模型.总之WOE是更优秀的联接法且RF模型预测性能最优,WOE-RF模型预测的滑坡易发性不确定性较低且更符合实际滑坡概率分布特征.      

基于非平稳时间序列分析的滑坡变形预测

滑坡的位移监测资料通常可用来预测滑坡的变形发展趋势,位移的发展反映了滑坡的变形过程.为了预测在现有条件持续情况下的滑坡变形趋势,将滑坡位移监测数据视为非平稳时间序列,应用时间序列分析方法,建立了滑坡变形趋势的预测模型.以三峡库区秭归县白水河滑坡为例,通过对变形预警区监测点位移实测时间序列的分析,取监测点ZG93和XD-04为代表,建立了时间序列预测模型,从第17个月开始向前做6步预测,分析预测曲线与实测曲线之间的关系,并计算预测误差,结果显示除个别数据点之外,预测误差均在±9%以内,曲线吻合较好,说明所建模型效果良好,从而为判断白水河滑坡未来的变形发展趋势提供了可靠的理论依据.     

基于位移比模型的三峡库区云阳县域内蠕变型滑坡降雨预警

建立高效合理的区域滑坡灾害降雨预警模型对滑坡防治具有重要意义.然而以往的研究多侧重于临滑预警,对蠕变型滑坡在强降雨工况下的短暂加速变形的预警研究还有待深入.以三峡库区云阳县域内滑坡为例,首先根据滑坡地表位移监测数据的特点对统计样本进行合理筛选.再通过降雨因子与滑坡发生的相关性分析以及对滑坡在降雨条件下位移变化情况的数值模拟,确定了适用于不同时间阶段的降雨统计变量.然后将考虑了滑坡规模特征的滑坡位移比（累计位移与滑坡纵长之比）作为变形指标,分时段统计滑坡地表位移监测数据与历史降雨信息,建立了日降雨数据与月位移数据的对应关系,得到了可用于确定降雨量阈值的位移比模型,并获得了云阳县蠕变型滑坡的五级预警分区.最后分别选用研究区滑坡险情实例、长年位移监测数据及极端降雨事件对模型预警效果进行检验.结果显示基于专业监测数据的位移比模型的滑坡降雨预警结果与实际情况相符,可为蠕变型滑坡的预警预报提供依据.      

基于SVM-ANN模型的滑坡易发性评价——以三峡库区巫山县为例

本文以三峡库区巫山县为研究区,利用收集的资料,提取出9类指标因子(高程、坡度、坡向、地形湿度指数TWI、地表粗糙度指数TRI、地层岩性、水系距离、构造距离、植被覆盖指数NDVI),利用相关性分析剔除高程因子。将灾害点和指标因子数据带入支持向量机(SVM)和人工神经网络(ANN)模型,得到研究区滑坡易发性区划图。根据ROC曲线对模型的精确度进行评价,得到SVM模型的成功率和预测率曲线的AUC值分别为0.919和0.862,ANN模型分别为0.86和0.837,表明两个模型均适用于研究区滑坡易发性评价。根据以上工作,本文提出了基于Max{LSI(SVM);LSI(ANN)}函数的SVM-ANN模型,并将其应用到该区的滑坡易发性评价中。SVM、ANN和SVM-ANN模型中,历史滑坡灾害点分布在高-极高易发区的比例分别为90.06%、83.18%和94.01%,表明SVM-ANN模型更适用于滑坡灾害风险分析的实际应用。     

浙江省玄武岩台地稳定性评价:以嵊州市地雅园滑坡为例

玄武岩台地型滑坡是一种特殊的滑坡类型，此前对其稳定性的研究较少。以嵊州市地雅园滑坡为研究对象，采用三维数值模拟的方法进行了稳定性分析评价，首先基于详细的地质资料采用三维模拟软件进行了建模；然后基于P-Ⅲ型分布曲线确定了降雨重现期，分别采用岩土软件MIDAS进行了滑坡稳定性模拟与三维运动模拟平台DAN3D软件进行了滑坡影响范围计算；最后对影响地雅园滑坡稳定性的因子进行了敏感性分析。结果表明:不同降雨强度对地雅园滑坡稳定性的影响不同，最不利工况为百年一遇降雨工况，此时滑坡稳定性系数为0.946，破坏概率为65.25%，影响范围最大增加了36.83%；内摩擦角和降雨是影响地雅园滑坡稳定性的主要因子。分析原因认为玄武岩台地型滑坡稳定性主要与硅藻土滑带、节理裂隙面的发育情况、降雨入渗滞后性有明显的相关性。本研究成果可为同类滑坡稳定性评价提供参考依据。      

土台镇滑坡稳定性分析

綦江县土台镇滑坡是重庆市的重点地质灾害点之一.1998年9月5～6日,滑坡体发生了大规模的变形破坏,造成的直接经济损失高达100万元.本文通过成因机制分析,对土台镇滑坡的稳定性进行了定性评价,并对各种状态下的滑坡稳定性进行了系统的定量计算,认为该滑坡体总体是稳定的,但在前缘和东侧陡坡地带斜坡处于准极限平衡状态,具有发生次级滑坡的可能.     

基于 CEEMDAN 理论和PSOＧELM 模型的滑坡λ移预测

对三峡库区中具有“阶跃型”λ移曲线的滑坡进行λ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λ移预测.首 先利用 CEEMDAN 法提取滑坡趋势项λ移和波动项λ移的不同IMF 组分,并使用 Elman神经网络对趋势项λ 移进行预测;其次结合历史监测资料,通过滑坡λ移对降雨、库水λ等诱发因素的响应分析,确定了７种不同的波 动项λ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λ 移和诱发因素的IMF 分量一一对应,构建 PSOＧELM 模型进行波动项λ移的预测;最后将趋势项λ移预测值和 波动项λ移预测值叠加得到累积λ移的预测值.结果表明:和 ELM 模型、PSOＧELM 模型相比,基于 CEEMDＧ NAN 的 PSOＧELM 模型的预测精度更高,其均方根误差(RMSE)和拟合优度(R２)可达到０．５４mm 和０．９９,为滑 坡λ移预测提供了一种新手段.