基于时间序列分析法的滑坡变形特征研究

应用时间序列分析方法建立滑坡位移ARIMA预报模型。采用差分平稳,自回归AR模型和移动平均MA模型对滑坡位移进行预测,得到了该滑坡监测点TP1的预报模型为ARIMA(2,2,1),然后分析对比实测与预测位移–时间曲线之间的关系。计算结果能够较好地体现出滑坡在外界诱发因素作用下位移的发展变化趋势,说明所建滑坡位移预测预报模型效果较好,在滑坡位移预测中是有效可行的。     

基于时间序列分析法的滑坡变形特征研究

应用时间序列分析方法建立滑坡位移ARIMA预报模型。采用差分平稳,自回归AR模型和移动平均MA模型对滑坡位移进行预测,得到了该滑坡监测点TP1的预报模型为ARIMA(2,2,1),然后分析对比实测与预测位移–时间曲线之间的关系。计算结果能够较好地体现出滑坡在外界诱发因素作用下位移的发展变化趋势,说明所建滑坡位移预测预报模型效果较好,在滑坡位移预测中是有效可行的。     

基于时间序列分析的滑坡位移预测模型研究

 结合滑坡位移监测数据,从分析滑坡位移演变规律的角度出发,将滑坡位移分解为受其自身基础地质条件控制的趋势项位移以及由外界因素如降雨、库水位变动等影响的周期项位移,应用时间序列分析方法建立滑坡位移预报模型。采用二次移动平均法分离滑坡位移的趋势项和周期项,在此基础上分别采用GM(1,1)灰色模型和自回归AR模型分别对滑坡趋势项位移和周期项位移进行预测,将计算得到的各分项位移预测值叠加即得到总位移预测值。以三峡库区八字门滑坡位移为例,分析对比实测与预测位移–时间曲线之间的关系。计算结果能够较好地体现出滑坡在外界诱发因素作用下位移的发展变化趋势,说明所建滑坡位移预测预报模型效果较好,在滑坡位移预测中是有效可行的。     

基于时间序列与PSO-SVR耦合模型的白水河滑坡位移预测研究

 滑坡位移预测模型的选择及其参数的选取是滑坡位移预测中至关重要的2个问题,以往的模型在预测滑坡位移时具有诸多的限制和不足。以三峡库区白水河滑坡为研究对象,基于时间序列分析方法,分离提取出滑坡趋势性位移与周期性位移。前者主要受控于滑坡的内部因素(物质组成、地质构造、地形地貌等),可用最小二乘法对其进行多项式拟合并预测;后者是由外部影响因素(季节性降雨、库水位变动等)导致,取当月降雨量、双月降雨量、库水位高程、月间库水位变化量、双月库水位变化量和年间累计位移增量作为周期性位移的影响因子,提出采用可优化选参的粒子群优化算法(PSO)与支持向量机回归(SVR)相结合的方法对其进行预测;将各分位移预测值叠加得到累计位移预测值。运用多种方法进行分析对比,结果表明,基于时间序列与PSO-SVR耦合模型的滑坡位移预测精度要明显高于BP神经网络模型、网格搜索法优化的支持向量机模型(GS),其在滑坡位移预测中具有一定的理论基础和良好的应用前景。     

基于地下水位变化的滑坡预测时序分析

 松散堆积土滑坡受地下水位变化影响显著,地下水位变化先于地表位移,易于监测。在坡体表面位移与地下水位之间建立联系,将地下水位监测作为滑坡预测的手段或辅助预测手段具有广泛的应用前景。相关数据序列分析可借助向量自回归模型,其兼顾数据序列的相关性分析和回归分析,可用于研究时间顺序数据间的滞后效应及多种时序间的联系。基于地下水位变化会引起滑坡下滑推力改变的认识,将实测地下水位变化的时序数据转化为推力引起土体位移加速度的改变,建立实测滑坡位移变化加速度与根据地下水位变化引起滑坡推力变化的计算标称加速度的向量自回归模型,可判断坡体表面位移受地下水位影响的规律及相应的滞后时间。所建立模型应用于上虞-三门高速公路6#滑坡分析,验证模型在滑坡位移预测中的有效性,为相关滑坡工程的预测分析提供了参考和借鉴。     

边坡位移时间序列分析预测

将边坡位移看成是一系列时刻t1,t2,t3,…,tn得到的时间序列,采用时间序列AR模型,对其进行模型识别、参数估计、位移预报。预测结果表明：AR模型实时建模的分析方法能较好地反映边坡位移变形的动态变化规律,准确预报出边坡位移的发展趋势。     

基于Verhulst预测模型与现场监测的滑坡预报

滑坡是一种复杂的地质现象,其形成条件、产生机理、诱发因素等都具有复杂性和多样性,滑坡变化具有的随机性、非稳定性导致每个滑坡具有不同特征,需要根据滑坡各自的特征有针对性地选取模型进行预测计算。本文以樟木滑坡为工程依托,采用统计预报模型中的Verhulst模型并结合滑坡现场位移监测数据,对该滑坡开展时间预报和反分析,获取了滑坡发生时间预测值及预测滑坡发展曲线,将预测结果与实际监测结果进行对比,验证了Verhulst模型在滑坡临滑预测中的适用性。     

节理剪切应力–位移本构模型及剪胀现象分析

 在法向与切向荷载的共同作用下,节理剪切应力–位移曲线宏观表现为峰前呈剪切硬化、峰后呈剪切软化现象：当微凸体爬坡效应占主导地位时,宏观表现为剪切硬化;当微凸体在剪切过程中磨损累积到一定程度时,宏观表现为剪切软化。剪胀硬化、磨损软化共同控制节理的剪切力学行为。在详细分析已有的剪切应力–位移本构模型的局限性的基础上,提出硬化–软化全剪切本构模型,采用单个函数反映节理剪切位移曲线的变化特征,其优点为：(1) 避免分段讨论剪切位移曲线特征、分段求取拟合参数的麻烦;(2) 在整个讨论区域内存在一个峰值且峰值处斜率为0;(3) 当剪切位移足够大时,强度趋于残余值,体现出节理面材料的力学特征。对不同类型的剪切位移曲线进行分析,该模型均表现出较强的适应性。同时分析现有的剪胀模型,其主要缺陷是不能反映初始剪缩现象与体现真正的剪胀起始点。在分析典型剪胀曲线基本特征的基础上,采用分段函数考虑剪胀特征,能较好地拟合剪胀曲线。     

灰色-神经网络模型在滑坡变形预测中的应用

根据滑坡位移时间序列的单调增长的特殊性和非线性,运用响应成分模型将滑坡位移量分解成具有确定性的趋势项和具有不确定性的随机项,建立灰色-神经网络模型对趋势项和随机项进行预测。将该模型应用于基于实测位移资料的茅坪滑坡变形短期预测,证明该模型的有效性及可行性。     

双曲线模型在海堤沉降预测中适用性分析

海堤填筑均是采用多级加载模式，海堤沉降预测是一个重要的土工问题。本文利用双曲线模型对温州某海堤8个原位观测断面堤顶处沉降进行预测，研究表明：选取最后加载时间作为双曲线预测的初始时间t0，双曲线与实测沉降曲线拟合程度高，预测最终沉降合理可靠，与设计计算预留沉降比较吻合。     

叠加推算沉降误差分析

堤坝等荷载是分级施加的,地基多是成层的,因此实测的表面沉降–时间曲线是由各级荷载、各层土对应的沉降–时间曲线叠加而成的。理论分析、工程实例表明叠加的沉降–时间曲线通常不是双曲线或指数曲线,在此基础上提出了叠加推算沉降和分别推算沉降的概念。叠加推算沉降误差分析表明叠加推算沉降的误差不但与土层之间的β比值、各级荷载之间的时间间隔有关,而且受沉降推算拟合函数与实际是否相符的影响。β相同的地层可以作为同一层地基,沉降推算采用的拟合函数与实际不同时,分别推算也存在误差。叠加推算的沉降小于分别推算的沉降,通常小于实际沉降。为了减少沉降推算误差,建议尽量利用预压后期的监测数据,并尽可能采用分别推算沉降或采用修正的双曲线法或指数法等。更多还原 AbstractFilter('ChDivSummary','ChDivSummaryMore','ChDivSummaryReset');     

边坡非线性位移的神经网络-时间序列分析

边坡的变形表现出复杂的非线性演化特征，大量的工程实践表明利用部分实测的边坡位移时间序列来预测未来边坡的位移更为准确。以神经网络和时间序列分析方法为基础，使用零均值化和标准偏差预处理方法，以及规则化能量函数法和贝叶斯规则化方法进行BP神经网络建模，利用BP网络对边坡位移非平稳时序进行趋势项提取，使非平稳监测时序转化为平稳时序以进行常规ARMA时序分析。结合滚动预测方法，建立了适合岩土体位移预测的神经网络-时间序列分析联合模型，以隔河岩水电站进水口边坡变形和水布垭水电站大岩淌滑坡位移为例进行预测分析。研究结果表明：新模型的预测精度高、实时可靠，可应用于实际工程。     

岩质边坡滑坡预报研究

介绍了以多年边坡位移监测资料为基础预测滑坡时间的２种方法。第１种是根据位移时间曲线从等速蠕变阶段转入加速阶段的位移速率作为滑坡临界速率的方法;第２种是用时间序列分析法,根据前几年位移规律预测后几年位移发展趋势,并用国内外滑坡实例确定的滑坡位移速率作为滑坡判据的方法。用这两种方法,提前一年预报的滑坡时间和滑坡位移速率同实测值吻合较好     

基于边坡位移监测数据的进化支持向量机预测模型研究

支持向量机方法是基于统计学习理论和结构风险最小化原则的学习方法,在回归预测方面具有良好外推能力,并且适合小样本的统计学习问题。建立支持向量机预测模型,对边坡位移进行预测计算,将预测值和实测值对比分析,验证了支持向量机预测模型较强的外推能力和预测计算的有效性。通过对边坡位移初始时序位移数据进行灰色理论的累加生成和累减生成处理,形成新的时间序列数据,在此基础上,计算出预测值,并与基于初始时间序列的支持向量机预测结果对比分析,基于新生成的时间序列数据进行预测计算结果精度明显提高。基于边坡位移监测数据构建训练样本数据集,研究了训练样本数据集的选取对预测结果的影响。对支持向量机预测模型的关键参数进行敏感度分析,并采用进化算法–微粒群算法对支持向量机模型参数加以优化,提高了预测精度。     

基于遗传–组合核函数高斯过程回归算法的边坡非线性变形时序分析智能模型

 与支持向量机相比,高斯过程有着容易实现、灵活的非参数推断及预测输出具有概率意义等优点。将高斯过程回归引入边坡非线性变形时序分析,采用单一核函数之和作为高斯过程回归的组合核函数以提高其泛化性能。目前通常采用共轭梯度法求取训练样本对数似然函数的极大值以自适应地获得最优超参数,但共轭梯度法存在优化效果初值依赖性强、迭代次数难以确定、易陷入局部最优解的缺陷。改用十进制遗传算法在训练过程中搜索最优超参数,形成遗传–组合核函数高斯过程回归算法,并编制了相应的计算程序。卧龙寺新滑坡变形时序分析结果表明,与遗传–单一核函数高斯过程回归算法和遗传–支持向量回归算法相比,所提出的遗传–组合核函数高斯过程回归算法显著提高预测精度,可以应用于边坡变形的时序分析,并为类似工程提供借鉴。     

抗滑桩变形监测及位移确定研究

针对抗滑桩深部变形监测中存在的问题,提出应用布里渊光时域反射计(BOTDR)技术监测抗滑桩深部变形及根据监测数据确定抗滑桩的位移。通过分析抗滑桩位移与其他物理量之间的关系,结合BOTDR监测抗滑桩应变特征,建立抗滑桩位移与应变之间的二次积分函数关系,并在假设基础上,给出边界条件和解析过程。通过对浙江省诸永高速公路红岩村I号滑坡抗滑桩BOTDR监测的实施及监测结果的计算,并与抗滑桩测斜监测结果对比,对基于BOTDR的抗滑桩位移确定计算模型进行了验证。研究结果表明：通过BOTDR技术监测抗滑桩的深部变形是可行的,抗滑桩的位移确定计算模型一定程度上能够满足工程需要,并且将光纤沿抗滑桩竖向受力钢筋布置,由其监测结果对位移进行计算较为准确。最后,对基于BOTDR技术确定抗滑桩位移的光纤铺设位置选取给出建议。本研究对推动BOTDR监测技术在抗滑桩以及相关桩基工程监测中的应用及数据使用方面具有参考和借鉴价值。     

围岩变形的时效特征与预测的研究

在假设围岩地层的性态服从三元件粘弹性模型的基础上,结合对宜兴抽水蓄能电站地下厂房试验洞位移量测数据的分析,提出一种确定地层时效特征参数和预报地层变形的方法。内容包括在考虑试验洞开挖面空间效应影响的前提下对现埋孔的位移量进行修正。根据位移–时间关系曲线的回归方程建立任意时刻围岩地层等效弹性模量间的关系式,给出确定三元件粘弹性模型参数值及对洞周地层的变形进行预报的方法。研究表明:位移量的预报值与回归值可较好吻合,表明这一方法可供同类工程采用。     

明挖法地铁车站围护结构变形模拟与预测研究

 以采用明挖法施工的一地铁车站为工程实例,对工程区的地质勘察报告进行详细分析,在考虑车站主体结构、初始地应力、施工过程以及地层的物理力学参数等诸多因素的基础上,采用FLAC3D有限差分程序对地层及围护结构的稳定性进行模拟研究。研究结果表明,相应的围护结构及内支撑支护体系能保证施工期车站基坑的围岩稳定,并对其施工过程提出了几条改进性建议,预测了施工期围护结构监测位移的稳定值。通过后期施工过程中车站基坑的位移监测,实测出围护结构上8个测点的位移稳定值,通过对变化趋势和位移量值的分析,得出围护结构的监测稳定值略小于数值计算的位移预测值,但是两者的变形趋势完全符合的结论,证明了有限差分法及FLAC3D在模拟基坑开挖、评价围岩稳定性和预测位移方面的有效性,从而为后续相似工程的位移预测提供了一种有效可靠的计算方法。     

基于小波分析与支持向量机的地铁隧道沉降预测

根据地铁隧道监测点沉降变化中非线性、不确定、时变性的特点,建立了基于小波分析的支持向量机预测模型。首先运用小波分析将监测点沉降序列分解为低频近似分量和高频细节分量,然后对各分量分别进行支持向量机预测,最后将各分量预测结果进行小波重构得到监测点的沉降预测曲线。预测结果表明,在相同样本数和短周期预测条件下,Wavelet—SVM模型的预测精度优于BP神经网络方法。对地铁沉降监测提前进行预警预报有一定的参考价值。