WA-BT-ELM耦合模型在黄土滑坡位移预测中的应用

黄土滑坡的变形演化过程往往受到多种因素的影响,呈现出非线性特征。基于小波分析函数(Wavelet Analysis,WA)、提升回归树(Boosting Regression Tree,BT),以及极限训练机(Extreme Learning Machine,ELM)方法,提出一种名为WA-BT-ELM的黄土滑坡位移预测新方法。该方法将非线性位移数据作为一时间序列,运用小波分析函数将监测点累积位移曲线分解为若干子小波;随后使用提升回归树对所有子小波进行重要度分析,剔除相关性不高的子小波以去掉冗杂信息;最后运用极限训练机,结合筛选得到的子小波对滑坡位移进行预测分析。基于该模型对甘肃省永靖县黑方台滑坡区的滑坡位移监测数据进行预测,得到了优于ANN,BPNN,SVM,ELM,以及WA-ELM预测模型的结果,故认为WA-BT-ELM模型是一种有效的黄土滑坡位移预测方法。     

极限训练机在矿山开采最大下沉值估算中的应用

矿山开采过程中采空区地表往往会发生形变,研究其最大下沉值对安全生产具有重要意义,现有的开采最大下沉估算方法还有提升的空间。基于岩移数据决策与极限训练机(Extreme learning machine,ELM)算法,提出了一种估计最大下沉的新方法。该方法将采厚、倾角、平均采深、走向长度、倾向长度和覆岩岩性确定为最大下沉值影响因素;应用以Sigmoid方程为核函数、隐含层神经元个数为114的ELM模型对最大下沉值进行了估算。通过案例分析,ELM模型得到了优于传统算法如CHAID、Boosted Tree、ANN、BPNN和SVM的RMSE、MAE、MAPE、最大残差及秩相关系数,故认为该模型是一种有效的矿山开采最大下沉估算方法。     

白格滑坡-碎屑流堆积体颗粒识别与分析

受到滑坡-碎屑流灾害瞬时性及致灾性极强的影响,滑坡-碎屑流灾害往往极难直接观察研究。对其堆积体颗粒的研究是滑坡-碎屑流研究极好的切入点。为方便快捷的统计分析堆积体颗粒粒径分布,采用无人机航拍与图像识别技术相结合的方式获取堆积体粒径数据,并将PCAS软件运用于堆积体粒径识别,并提出"无人机航拍-PCAS图像识别"的粒径分析工作方法。以2018年11月3日发生的白格滑坡-碎屑流为研究案例,对滑坡-碎屑流堆积体粒度分布进行统计分析。结果显示:(1)PCAS软件能有效识别堆积体颗粒粒径;(2)堆积体中小粒径占了绝大多数,随滑坡-碎屑流运动距离增加,小粒径含量增加,且大粒径出现"双峰"现象;(3)白格滑坡斜坡堆积面密度与斜坡坡度之间存在一定关系,并推导建立了其关系的经验公式;(4)堆积体形态特征参数的变化能侧面反应滑坡-碎屑流的运动过程及运动特性。对白格滑坡-碎屑流堆积体颗粒的研究结果表明,PCAS软件应用于堆积体粒径统计分析是可靠的,能在滑坡-碎屑流研究领域发挥一定的作用。     

基于核密度估计与VaR的甘肃黑方台地区滑坡影响范围估计模型

滑坡影响的范围主要根据滑坡滑动距离来确定,现阶段的研究空间仍较大。以甘肃黑方台地区所有滑坡的滑动距离作为整体样本,根据研究区实际情况,将滑坡群分为Ⅰ段、Ⅱ段、Ⅲ段、Ⅳ段、Ⅴ段和Ⅵ段;基于核密度估计模型与Value-at-Risk(VaR)模型对研究区滑坡影响范围展开分析。结果表明:MISE窗宽值为68.723 8的核密度估计能较好地表述整体样本的概率分布规律;VaR模型计算得到了符合滑坡分段实情的滑坡风险滑动距离值(D_R);结合分区实际情况,可在Ⅰ段、Ⅱ段、Ⅲ段和Ⅵ段的滑坡底部D_R处修建简易牢固拦挡措施,以及基于Ⅳ段和Ⅴ段的黄土滑坡样本研究滑坡滑带部位含水量与滑动距离的关系。该模型具有良好的理论基础及应用前景,能在该领域发挥一定积极作用。     

四川理县小歧村冰碛物角砾土抗剪强度特性研究

在岷江上游的干暖河谷地区分布有众多高陡且持续变形的大型冰碛物堆积体,现场调查研究发现,该类冰碛物具有极强的水敏性。利用室内力学强度试验和SWCC试验,对不同含水率下冰碛物的水敏特征进行了研究。结果表明：冰碛物土体中黏粒含量低（17%）,遇水易崩解,加之土体的大颗粒性,使得土体凝聚力、内摩擦角均随其饱和度增加而减小,其中内摩擦角可减小到最初的1/3左右,凝聚力减小到最初的1/8左右;当其饱和度介于10%~70%时,土体水敏性表现尤其明显。根据物质组分特征,利用MATLAB编程,确定了凝聚力偏移量的修正公式,并建立了Mohr-Coulomb准则修正模型。该模型能较好反映该类角砾土的力学特性,对该类土力学特性的研究有参考价值。