基于滑坡监测数据的预警判据研究

位移-时间趋势曲线是研究滑坡失稳预测十分重要的资料依据,它表明了滑坡变形程度及相对的稳定性程度。文章将边坡失稳时的总位移分解成位移的趋势项和位移的周期项,通过时间序列方法对滑坡位移进行预测。文章以德化县上涌镇桂林村马坪滑坡为例,在监测数据的模糊离散性与随机性的基础上以及变形参数所呈现的相关规律,通过GM(1,1)的灰色模型获得位移的趋势项,采用时间序列加法得到滑坡总位移预测值。通过对已获得的滑坡隐患点的监测数据与数值模拟结果的对比分析,建立数学模型,预测滑坡未来的位移趋势,研究滑坡预警判据,最终以位移速率来概化研究区内台风暴雨型滑坡的预警判据。结果显示,该预警判据对于了解边坡位移的发展趋势以及研究边坡的动态稳定性是有效可行的。     

一种滑坡深部位移监测数据处理方法

现阶段,滑坡深部位移监测数据处理一般是根据位移-时间变化曲线确定滑坡稳定性,并结合测量曲线和钻孔柱状图确定滑带位置。但随着边坡工程地质条件日益复杂,要想通过简单位移变化规律判断滑坡状态是困难的。通过监测位移反分析得到滑坡材料参数进而对滑坡稳定性进行评价,无法避免计算模型、材料参数、边界条件等与实际不一致所引起的误差。临界滑面的计算方法大多都是基于应力分析基础上,文章在现有研究基础上,提出对滑坡地表位移、前后缘裂缝和深部位移监测等数据建立三维等参单元插值模型,并利用几何方程求得滑坡应变,通过应变判识滑坡破坏存在诸多问题,可采用等效应变搜索方法找出临界滑面的位置。该方法不需进行应力计算,从而避免了材料参数、边界条件等带来的误差,同样可用于地质条件复杂的滑坡工程,表现出良好的适用性。     

边坡非线性位移预测的动力系统自记忆模型

边坡位移的准确预测对于边坡稳定性评价、边坡安全状态的预警以及滑坡灾害的控制具有重要意义。将"动力系统自记忆原理"引入到边坡位移时间序列预测研究。首先将量测得到的边坡位移时序数据视为描写边坡位移非线性动力学模型的一个特解,采用双向差分原理反导出边坡位移非线性常微分方程。以此作为微分动力核,运用自记忆原理建立了边坡位移预测的自记忆模型。将该方法用于三峡永久船闸边坡和卧龙寺边坡变形预测,研究结果表明:自记忆模型对于边坡位移预测具有较高的预测精度和较强的预测多个时序步位移的能力,从而为边坡位移预测提供了一条新途径。     

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。     

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。     

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。     

边坡位移多层递阶回归预测模型研究

根据边坡安全监测数据,分析边坡位移影响因子及影响模式,对边坡地表位移进行回归分析。结合回归模型和多层递阶模型的优点,对回归模型中回归参数固定的缺点进行改进,建立了多层递阶回归预测模型,模型具有较高预测精度,适合于中长期位移预测,对边坡稳定性预测具有参考意义。     

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。     

降雨滑坡多指标监测预警方法研究

降雨滑坡是发生最频繁,损失最严重的地质灾害,但如何实现其准确预警仍是目前所面临的主要挑战。而探究降雨滑坡的物理机制是开展预警的关键突破口。结合典型震后滑坡5个水文年的长时间序列实时监测数据和非饱和水-力耦合分析方法,开展都江堰银洞子沟滑坡现场实测数据的物理机制研究及长时间序列边坡稳定性分析。基于非饱和边坡稳定性分析方法,结合长时间序列实测大数据的实时计算和分析,提出基于降雨强度-概率(I-P)、饱和度、基质吸力、地表倾斜角度和稳定性实时计算分析的多参数指标预警方法体系,基于多参数预警体系和实时监测数据,分别于2017年8月和2018年6月在银洞子沟两次实现成功临灾预警,成功临灾预警实例验证了多参数阈值预警模型的可靠性和实用性,研究旨在为降雨型滑坡的准确预警提供新的参考和预警模式。     

基于小波分析的滑坡预测预报研究

滑坡发生前伴随着不同程度的变形发生,变形监测与安全监控问题相应地引起各级政府和管理部门越来越多的关注.本文研究了滑坡深部位移的监测数据异常值检验方法和含噪数据的消噪方法,并在此基础上,研究小波分析与时间序列分析结合的数据预报方法.通过具体实例表明:小波对监测信号消噪可以得到有用信息,能够提高模型稳定性和可靠性;小波时间...     

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。     

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。     

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。     

A new prediction model for rock slope failure time: a case study in West Open-Pit mine,Fushun, China

Establishing an accurate method for predicting the failure times of rock slopes subject to creep deformation is challenging, but at the same time crucial for preventing damage to properties and loss of life. In this paper, the Medium–short Term Prediction of Landslide by Polynomial (MsTPLP) model is proposed based on the Levenberg–Marquardt (LM) algorithm. The West Open-Pit mine in Fushun, NE China is currently the largest open-pit coal mine in Asia. The landslide on the southern slope of the West Open-Pit mine was selected as the study case. Global Positioning System (GPS) monitoring is employed in landslide displacement monitoring. Based on the analysis process of the MsTPLP model, the displacement time series derived from GPS monitoring points is selected as the input. The model parameters of the MsTPLP model are obtained using the Levenberg–Marquardt (LM) algorithm. The predicted failure time of a landslide, which is the output, can be determined according to the prediction criteria of the model. The prediction results show that the MsTPLP model can provide accurate landslide displacement predictions (correlation coefficient R ² > 0.98 and average relative error ARE < 17 %). The forecasting results of the landslide show that the estimated failure time is Mar 5, 2014. Based on field investigation and displacement analysis, the landslide on the southern slope of the West Open-Pit mine occurred on Mar 9, 2014. The predicted and actual failure times are significantly close, demonstrating the potential of the new method in landslide prediction.     

浒家洞滑坡治理工程监测分析

浒家洞滑坡是耒宜高速公路上较大滑坡之一，采用抗滑桩加锚索的整治方案。为确保该滑坡整治施工的顺利进行及设计方案的可靠合理，在施工及运营期间对该滑坡的深部位移进行了长期的跟踪观测，研究了滑坡及抗滑桩的变形规律，并对滑坡的发展趋势进行预测，为该工程信息化施工及安全运营提供了可靠保证。     

滑坡位移预测的支持向量机模型参数选择研究

支持向量机(Support Vector Machine, SVM)已被广泛应用到滑坡位移预测,但在具体使用时,SVM的惩罚系数C、核函数参数δ及松弛系数ζ这三个重要参数的取值选择成为影响预测精度的关键。为有效分析SVM三参数取值对滑坡位移预测精度的影响规律,以三峡库区浮托减重和动水压力型两类典型水库滑坡为代表的连续6年地表位移、降雨及库水位监测数据为研究对象,首先,采用移动平均法将位移数据分解为趋势项和周期波动项,并区分训练集和检验集;再结合对滑坡变形机理及影响因素的分析,选择相应预测变量分别建立趋势项和波动项位移预测SVM模型;然后,在固定两参数情形下,通过改变另一参数的取值大小以获得SVM训练集与检验集的预测精度变化规律;最后,建立起典型水库滑坡SVM位移分解预测的参数取值推荐范围。该取值范围可以作为滑坡位移预测SVM模型的参数寻优初始搜索范围,可以在保证预测精度的前提下大大提高搜索效率。     

Verhulst反函数模型滑坡起始预测时刻的选择

 Verhulst反函数模型用于滑坡预测的关键在于起始预测时刻t0的选择。针对用定量计算方法选择t0,研究模型中对数函数自变量存在出现负值的问题。计算所有t0满足模型要求的累计位移和相对位移预测数据,形成预测曲线,通过分析预测曲线与实际监测曲线选择起始预测时刻t0值,得出其选择的主要原则：(1) 预测位移在观测序列点n和n +1处成立;(2) 预测累计位移曲线与实测曲线形态相似;(3) 预测相对位移与实测相对位移在点n处差值最小。多种已知滑坡试验表明：其临滑时刻的预测精度可以达到1个时间间隔以内,t0选择方法是有效的。     

岩体变形的替代数据混沌判定方法研究

 观测位移时间序列是岩体变形和破坏过程的综合体现,已广泛用于边坡、隧道和地下硐室等岩石工程的稳定性判断及其预测。根据岩体的观测位移时间序列,通过Fourier变换来生成替代数据,提出其混沌随机性的检验方法,可避免根据最大Lyapunov指数是否为负数以及关联维数是否为非整数来进行混沌判断所引起的不足;分别对玲珑矿巷道及枣林滑坡位移序列进行非线性混沌判定,获得理想的检验结果。