滑坡预测的非线性混沌模型

根据滑坡位移时间序列的非线性性质，应用混纯时间序列预测方法，建立滑坡预测的非线性混纯模型。在此基础上，介绍了加权一阶局域算法，并用这种算法对清江茅坪滑坡实际位移监测数据进行预测计算。结果表明，这种建立在非线性混沌模型基础上的方法不仅预测精度高，而且计算量小，相对容易操作，从而为滑坡位移提供了一种新的预测方法。     

降雨型滑坡预报新方法

详细研究了三峡地区部分县市的滑坡和降雨历史资料，从滑坡与降雨量、暴雨以及降雨时间3个不同角度的关系分析了降雨与降雨型滑坡的关系。在此基础上，提出了降雨因子的概念。同时，还提出了一种预报降雨型滑坡的新方法，定量化地描述了降雨型滑坡的易发程度。按照一定的标准，对每种降雨分因子进行分级，通过多因子叠合分析来研究降雨因子与降雨型滑坡之间的关系，并据此准确地预报滑坡的易发程度。通过将这种滑坡预报新方法应用于三峡的万县地区，证明了它可以比较准确地确定滑坡发生的时间。这种滑坡预报方法将为根据历史降雨和滑坡资料来预测降雨型滑坡奠定良好基础。     

滑坡空间预测中信息量模型的改进及应用

确定未来可能发生滑坡的区域,即滑坡空间预测对城乡土地规划具有重要的指导意义.针对国内在滑坡空间预测中应用较多的信息量模型,通过理论推导表明其使用前提是各影响因素相互独立,以一简单算例说明了在滑坡空间预测中因素间相关性对预测结果的影响,并建议引入因子分析评估和减少各因素间的相关性.将基于因子分析的信息量模型应用于某一流域...     

松散土质滑坡位移与降雨量的相关性研究

为了揭示松散土质滑坡滑体位移与降雨量之间的相关性分布规律,通过资料搜集整理和分析、现场工程地质调查,采用数理统计分析法,分别对典型浅层和中层松散土质滑坡坡体位移与降雨量进行了指数和幂函数等模型的线性或非线性回归分析和比较。研究结果表明:浅层和中层松散土质滑坡坡体位移与降雨量相关关系一般服从幂函数分布的规律。据此建立松散土质滑坡位移与降雨量的通用统计模型。该研究结果可为降雨条件下浅层和中层松散土质滑坡的变形解体破坏机制及稳定性研究和预测预报提供科学依据。     

非线性科学在滑坡预测预报中的应用与展望

滑坡预测预报是一个世界性的科学难题,近年来发展起来的非线性科学理论为滑坡的预测预报提供了全新的方法,出现了一大批研究成果.本文在总结滑坡预测预报的关键问题和非线性方法的基础上,对相关非线性方法在滑坡预测预报中的未来发展做了初步探讨.     

强震山区地震滑坡发生概率研究——以九寨沟国家地质公园为例

地震滑坡危险性评价是强震山区风险评价和防灾减灾的重要组成部分。以2017年M_w6.5九寨沟地震诱发的国家地质公园内1022处滑坡为样本数据和r.slopeunits软件划分的1234个斜坡单元为评价单元,选取地震动峰值加速度(PGA)为触发因子及12项地形地貌、地质和水文因子为滑坡影响因素,采用贝叶斯概率方法与广义加性统计模型,获取了8次关键历史地震(1933～2017年)情景下的滑坡响应发生概率均值和不确定性(95%可信区间)。10次交叉验证结果表明以2017年地震滑坡建立的初始模型空间预测精度AUC_(ROC)平均值高达0.93,使得其余7次地震动下的滑坡响应模拟结果具有可靠性;PGA为研究区地震滑坡的显著影响因子,滑坡发生概率与PGA之间存在明显的正相关性,此外高概率区主要沿沟谷呈带状分布。为地震滑坡危险性综合评价提供了新思路和新方法,研究结果对该地区潜在地震滑坡概率的预测和震后快速评估具有一定的参考价值。     

基于变形速率分解的阶跃型滑坡预测——以呷爬滑坡为例

阶跃型滑坡位移预测是滑坡变形现状研究与危害评估的重要工作，而阶跃预测的研究多为平稳波动信号，基于滑坡阶跃运动特征的变形速率分解方法提供了非线性变形阶段阶跃滑坡信号分解的新思路。以呷爬滑坡为例，通过差分与离散小波变换(DWT)平滑方法得到变形速率数据，并基于滑坡阶跃运动特征将变形速率数据分解为由外部诱发因素决定的小尺度波动项与内在控制因素决定的大尺度趋势项，其中变形速率趋势项信号通过添加震荡函数的反Logistic函数模型(ILF)预测，并结合曲率极值法判识滑坡变形状态；变形速率波动项信号则运用长短时记忆神经网络(long short-term memory,LSTM)构建非线性映射模型，以降雨、库水位作为诱发输入，趋势项预测结果作为控制输入进行预测。预测结果表明，基于变形速率分解模型针对呷爬滑坡非线性过程数据的预测精度相比传统的位移拟合分解模型更高，外部因素映射能力更强，因此基于变形速率分解是基于阶跃运动机制预测的有效思路，解决了非线性变形阶段的阶跃滑坡预测问题。     

基于多元统计方法的项目质量控制分析

基于多元统计分析原理,应用因子分析和聚类分析法,建立了多元统计的项目质量控制方案的综合评标模型,并利用因子方差贡献率和聚类分析概念,给出了评价指标权数的计算法。同时,给出了项目质量控制方案的聚类分析方法验证了因子分析的结果。     

基于地表监测数据和非线性时间序列组合模型的滑坡位移预测

针对滑坡位移–时间曲线的非线性特征和以往预测模型的不足,提出基于地表监测数据和非线性时间序列分析的组合模型预测滑坡位移。以新滩滑坡和三舟溪滑坡为例,通过对位移、降雨、库水位等资料的分析,研究滑坡的变形特征及影响因素。在利用逆序法和小波分析检验滑坡位移的趋势特征和周期特征的基础上,采用非线性组合模型进行预测,包括利用多项式拟合并预测趋势项位移;用一种基于小波分析的三角函数法(WA-TF)对周期项位移进行预测;遗传算法优化选参的BP神经网络(GA-BP)对波动项位移进行预测。最终将各位移分量累加得到滑坡的累积位移预测值,并与监测值进行对比分析。结果表明非线性组合模型的预测精度高且具有较好的通用性,为滑坡位移定量预测提供了一种可行的思路。     

边坡演化的非线性机制及滑坡预测预报研究

综合、系统地总结了前人在边坡工程及滑坡预测预报领域的研究成果。在此基础上,运用非线性理论的相关理论和方法,对岩土力学参数的置信度、边坡演化的非线性机制、边坡的分岔过程与混沌特征、滑坡预测和预报方法进行了较为系统的研究和探讨。 推导了反映岩土体力学参数的不确定性的数字特征公式,建立了可靠性检验模型。边坡系统是一个具有复杂结构和功能的非线性开放系统,非线性性质是其基本属性。为研究这一性质,归纳了研究边坡工程非线性特征的系统范式原则,认为边坡系统从形式、发展到破坏的演化过程遵循一定的规律,如发展的动力、演化的道路及演化的历经状态等符合原则。 边坡在演化过程中,分岔是其发展道路之一,运用分岔理论研究边坡演化的非线性机制可反映出这一过程。建立了边坡演化的分岔模型,并运用线性稳定性分析、数值模拟方法对边坡稳定性、吸引子特征及演化趋势进行了理论研究。结果表明：处于非线性演化状态的边坡在外界小扰动作用下,会发生状态质变,从而为解释边坡变形机制提供了理论依据。 引入有关理论,提出了滑坡预测预报的非线性时间序列方法,建立了滑坡失稳时间的协同一分岔模型,并把混沌理论与神经网络方法结合起来对边坡稳定性进行评价。最后,以新滩滑坡、Ｖａｊ     

区域滑坡空间预测方法研究及结果分析

区域滑坡空间预测是通过分析滑坡在区域空间分布的丛集性及规律性,圈定出滑坡相对危险性区域。通过MAPGIS软件平台及其二次开发的滑坡灾害分析系统,采用半定量和定量两种方法对浙江省永嘉县区域滑坡进行了预测。半定量方法采用反映历史滑坡强度的袭扰系数和滑坡易发程度指数来评价,编制了危险性预测分区图;定量化方法采用信息量模型来评价,采用规则网格作为预测单元,运用该模型对永嘉县区域滑坡进行了空间定量预测,并依信息量法的结果编制了该区的危险性划决预测分区图,为政府部门进行土地规策、避免在滑坡易发区进行大规模土地开发和工程建设提供了科学依据。同时通过两种方法的预测结果,对比分析了滑坡的形成和各影响因素的关系,为滑坡的有效防治提供了参考。     

Logistic regression modelling of storm-induced shallow landsliding in time and space on natural terrain of Lantau Island,Hong Kong

This study is aimed at developing a method for modelling the probability of landsliding using a geographical information system (GIS), rainstorm events and associated landslide distributions, with an attempt to assess where landslides are likely to occur when certain rainstorm events happen. This research focuses on the natural terrain of Lantau Island, Hong Kong. In order to derive a logistic regression model for statistical prediction of the probability of landsliding, topographic attributes derived from digital elevation model (DEM) data are combined with a variety of other digital datasets including 24 h rainfall, lithology and vegetation cover in a GIS. The model was then applied to given rainstorm events and rainfalls of a variety of periods of return time in order to predict the probability of landsliding on natural slopes in space and time. The modelling techniques described here can be used to develop effective mitigation strategies.     

煤与瓦斯突出危险性的模式识别和概率预测

煤与瓦斯突出危险性的多因素模式识别概率预测研究涉及到采矿工程、安全工程、地质工程、地理信息系统(GIS)、概率论、信息科学和人工智能(AI)。在理论分析和查明多个突出影响因素与突出危险性之间的内在联系的基础上,确定模式识别准则、建立识别模型,完成模式识别系统设计、模式识别算法研究、概率预测准则确定和煤与瓦斯突出预测危险性预测系统的开发。以活动构造、最大主应力、瓦斯压力和瓦斯含量等8个因素作为煤与瓦斯突出发生的主要判据,用模式识别方法实现了煤层突出危险性的分单元概率预测,可方便地划分煤与瓦斯突出的危险区、威胁区和安全区,对煤与瓦斯突出危险性做出评估和预测,提高瓦斯灾害预测的准确性。建立了一个比较科学的煤与瓦斯突出区域预测方法,使煤矿安全工作者准确判断和预防煤与瓦斯突出成为可能。     

强震崩塌岩体冲击桥墩动力响应研究

 雅(安)-泸(沽)高速公路YK136＋097西冲特大桥16#桥墩岩质边坡发育的陡倾坡外结构面与风化卸荷裂隙构成倒悬危岩体。该区属高地震烈度区(VIII度),运用非连续变形数值分析(DDA)方法,对危岩体在强震作用下的失稳模式、破坏规模、运动轨迹及对桥墩冲击的动力响应进行模拟研究。演进过程如下：强地震力作用产生放大效应,使突出山梁部位岩体首先震裂、抛掷,接续为中下部岩体沿卸荷拉裂面溃崩解体,滑体进而沿主控结构面整体滑塌、冲击桥墩。统计分析坡体及桥墩监测点位移大小和变化特征,表明桥墩上各监测点位移与地震节律呈正相关,在失稳岩块撞击及堆积岩体推挤作用下,系梁与桥墩顶端变形及永久位移较墩身其他位置大,这一过程与“5•12”汶川地震滚石冲击桥梁破坏现象吻合。在对坡体及桥墩变形量化分析基础上,依据强震触发崩塌特征提出了桥梁边坡危岩防治方案。     

Spatial data analysis and application of evidential belief functions to shallow landslide susceptibility mapping at Mt. Umyeon,Seoul, Korea

Predictive mapping of landslide occurrence at the regional scale was performed at Mt. Umyeon, in the southern part of Seoul, Korea, using an evidential belief function (EBF) model. To generate the landslide susceptibility map, approximately 90 % of 163 actual landslide locations were randomly selected as a training set, and about 10 % of them were used as a validation set. Spatial data sets relevant to landslide occurrence (topographic factors, hydrologic factors, forest factors, soil factors, and geologic factors) were analyzed in a geographic information system environment. In this study, landslide susceptibility was assessed on the basis of mass function assignment (belief, disbelief, uncertainty, and plausibility) and integration within a data-driven approach. The most representative of the resulting integrated susceptibility maps (the belief map) was validated using the receiver operating characteristic (ROC) method. The verification result showed that the model had an accuracy of 74.3 % and a predictive accuracy of 88.1 %. The frequency ratio (FR) model was also used for comparison with the EBF model. Prediction and success rates of 72.1 and 85.9 % were achieved using the FR model. The validation results showed satisfactory agreement between the susceptibility map and the existing landslide location data. The EBF model was more accurate than the FR model for landslide prediction in the study area. The results of this study can be used to mitigate landslide-induced hazards and for land-use planning.     

滑坡综合集成智能分析方法研究进展

本文综合课题组在滑坡方面的研究,以具体的滑坡工程为实例,详细介绍了滑坡现场监测、基于GIS的滑坡三维可视化、综合集成智能滑坡分析方法,包括滑坡变形预测的进化支持向量机建模、加固方案优化设计的进化神经网络-数值方法、基于动态聚类的进化神经网络危险性分区、滑体参数反演的进化支持向量机-有限元方法、滑动面搜索的免疫连续蚁群-极限平衡分析、滑动面参教反演的粒子群优化算法等。结果表明,所提出的滑坡研究综合集成智能分析方法是适用、科学和合理的。     

滑坡监测资料的因子分析

在简要介绍了因子分析方法的基础上，通过对某滑坡体的监测资料分析，引入因子分析方法，从定量的角度分析滑坡体不同发展时期影响其位移的主要因素，探讨滑坡体的滑动方式及其演变规律。     

基于MORPAS的敖汉旗林家地金多金属成矿远景区预测

随着GIS技术实现多源地学信息的集成、分析以及融合,使得对于成矿远景区的定量化预测成为可能。本文在系统总结内蒙古敖汉旗林家地地区的地质条件以及区域成矿规律的基础上,利用GIS空间分析、主成分分析、聚类分析以及C-A分形理论等提取了包括地质、地球物理异常、地球化探异常以及遥感蚀变异常等在内的13个证据因子,并基于MORPAS平台应用证据权法成功建立了内蒙古敖汉旗林家地地区综合信息找矿模型,在此基础上成功圈定了15个I级成矿远景区和17个II级成矿远景区,同时对各成矿远景区结合实际地质情况进行了分析和评价。结果表明:内蒙古敖汉旗林家地地区已知金矿点大部分都落入圈定成矿远景区内,证明了该方法的合理性和可靠性。预测结果可为该区域的下一步找矿工作提供一定的技术支持和科学依据。     

基于诱发因素响应分析的滑坡位移预测模型研究

 滑坡位移的变化除与其基础地质条件相关之外,更取决于诱发因素的动态作用。为建立滑坡位移动态变化与诱因变化的响应关系,采用时间序列分解预测模型,通过移动平均法将位移分解为趋势项及周期项。趋势项位移由边坡的势能和约束条件所决定,利用多项式位移函数进行拟合预测。周期项位移受库水位涨落和降雨等诱因的周期性动态作用而变化,选取当前月降雨量、累计前两月降雨量、月库水位高程变化量及年内总位移累计增量为影响因子,利用BP神经网络进行多变量位移预测。将各分项位移预测值叠加,从而得到总位移预测值。以三峡库区白水河滑坡为例,利用位移、降雨及库水位变化数据进行计算验证。结果表明,基于滑坡诱发因素和位移变化综合分析预测模型,可以较好地反映诱因动态变化对滑坡位移发展的关键作用,提高预测结果的精度和有效性。     

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。