考虑诱发因素影响滞后性的库岸滑坡位移预测

针对诱发因素对于滑坡位移变形的滞后影响,采用平均影响值法(MIV)对不同滞后期诱发因素进行筛选,然后结合广义回归神经网络(GRNN)建立了MIV-GRNN滑坡位移混合预测模型。以三峡库区具有代表性的树坪滑坡为例,将滑坡位移时间序列分解为趋势项和周期项,运用多项式和MIV-GRNN模型分别预测趋势项和周期项位移。分析结果表明:MIV-GRNN模型可以较好地反映诱发因素对滑坡位移滞后性的影响,与传统预测模型相比最大相对误差减少了11.2%。     

基于LS-SVM模型的白水河滑坡台阶状位移预测

滑坡位移是滑坡变形破坏最直观的表现,滑坡位移预测成功与否对于判别滑坡的演化趋势至关重要。滑坡位移曲线是受多种影响因素共同作用的非平稳时间序列,以三峡库区白水河滑坡为例,利用HP滤波分析方法提取滑坡位移的趋势项,趋势项位移主要是由滑坡自身特征决定的,具有较明显的非线性递增特性,采用多项式对其进行拟合预测;周期项受多种诱发因子(滑坡演化阶段、季节性降雨、库水位升降等)影响,利用最小二乘支持向量机模型(LS-SVM)对其进行训练与预测。将趋势项和周期项拟合预测结果叠加即为累计位移预测值,结果表明在监测点ZG93和XD-04的预测中,LS-SVM模型均具备较高的评价精度,在台阶状位移特征的滑坡位移预测中具有较好的适应性。     

考虑滞后性变化的滑坡位移预测模型研究

在库水位反复升降条件下，滑坡的变形会滞后于库水位变动。滑坡变形的滞后性会随着时间发生改变，为解决滑坡变形滞后性随时间改变而导致的预测困难问题，基于溪洛渡库区雨林二组滑坡的长时间监测数据，通过相关性分析对滑坡变形滞后性随时间的变化规律展开了研究，并提出了一种考虑滑坡变形滞后性变化的位移预测方法。以白鹤滩库区王家山滑坡的变形情况对预测方法的普适性进行了验证。研究结果表明：滑坡变形的滞后性是随着时间逐渐显现的，由第2蓄水周期的1 d增加至第5周期的11 d,且库水位升高时滑坡变形的滞后性变化得更为明显。验证结果表明，预测方法的准确性和普适性均较好。综合分析认为该法可为库区其他涉水滑坡的变形预测提供借鉴。     

大华滑坡位移预测模型研究

针对传统滑坡位移预测过程中的不足,提出了一种基于最小二乘支持向量机(LSSVM)的滑坡位移预测方法。以某流域大华滑坡为例,基于时序分析和集合经验模态分解法(EEMD)将原始序列重构为趋势项和波动项,趋势项位移受滑坡内部因素影响,采用最小二乘法与多项式方程进行拟合预测;波动项位移受库水位、降雨、地下水位等周期性因素影响,结合灰色关联度法和核主成分分析法(KPCA)对输入因子进行筛选与降维,并用粒子群算法-最小二乘支持向量机耦合模型(PSO-LSSVM)进行建模预测。最后将趋势项与周期项预测位移相加得到累计预测位移,并对模型预测精度进行定量分析。结果表明,建立的EEMD-KPCA-PSO-LSSVM组合模型预测效果良好,较传统BP神经网络、LSSVM等单一模型有着更高的预测精度,可为同类型滑坡位移预测提供新的思路。     

三峡库区老蛇窝滑坡变形规律数据挖掘

三峡库区滑坡与地质环境相关,并受库水与降雨等诱发因素的影响,研究滑坡变形与诱发因素之间的关系,有助于为滑坡预测预报提供合理的判据。以老蛇窝滑坡体为例,结合该滑坡地质结构特征与监测数据,首先采用K均值方法聚类,将滑坡变形过程定性划分为3个阶段;然后通过关联规则方法研究影响因素与滑坡位移之间的关系。结果表明：滑坡所处的变形阶段与降雨特征因子和库水位变化有密切的相关性。     

三峡库区靠椅状土质滑坡变形规律及机理-- 以秭归八字门滑坡为例

三峡水库蓄水以来,不少滑坡监测位移-时间曲线呈阶跃变化,导致稳定状态识别难度较大,严重影响滑坡预警预报,靠椅状土质滑坡尤为明显。以八字门滑坡为例,通过多次野外地质调查、长期现场巡查、10多年的GPS位移监测数据、2年多全自动监测数据等,较深入研究了该滑坡在库水涨落及降雨条件下的变形规律。结果表明,库水位下降期间,特别是库水位下降15m以后,由160m下降至145m,滑坡体变形存在20d左右的滞后,滑坡变形曲线出现突跃,日位移量达1.5～2.2mm。一次降雨量在80mm以上会明显诱发坡体加速。库水位上升期间,库水位在175m左右时,月位移量出现5～10mm负值。一次降雨量在150mm左右未能诱发坡体加速;但一次降雨量在200mm以上,滑坡体位移速度明显加大。滑坡体在降雨量诱发后,位移加速后在降雨结束后持续5～7d恢复正常水平。在周期性降雨和库水位涨落的循环作用下,滑坡体反复受到"推-拉"作用,导致滑坡的位移-时间曲线呈阶跃特征。靠椅状土质滑坡为一类特殊的滑坡,库水位升降是八字门滑坡目前变形的主要因素,而降雨对滑坡变形起到了促进作用。受靠椅状等坡体结构特征制约,在库水位升降作用下坡体会反复变形,但难以发生快速的整体破坏。     

基于小波分析的滑坡变形规律研究

对于有多个GPS监测点的滑坡,通常只研究个别代表性较强的点的位移,以此近似反映滑坡整体变形情况,但这种以点代面的方法与实际相差较大。现利用三峡库区某滑坡长期地表位移监测资料,根据各监测点位移对滑坡整体位移的贡献率,求得综合位移曲线,再利用小波分析等数学方法推导综合位移方程,据此分析了外界因素(降雨、库水位)对滑坡变形影响机理及周期。结果表明:该滑坡现处于潜在不稳定状态,降雨和库水位对滑坡的影响周期约为12个月。应用滑坡总位移方程进行验证性预测后显示,其预测精度达到92%,因此该方程能更真实地反映滑坡稳定性现状和发展趋势,对同类滑坡的研究具有借鉴价值。     

基于影响因子的GM(1,1)-BP模型在八字门滑坡变形预测中的应用

滑坡的预测预报是世界性难题,特别是如何把外界影响因素定量计入到滑坡中长期预报模型中。在滑坡中长期预报模型适用性分析的基础上,提出了基于影响因子的GM(1,1)-BP模型,该模型能考虑库水位、降雨等外界影响因素。以三峡库区八字门滑坡为例,在八字门滑坡工程地质条件的基础上,通过对位移、库水位、降雨等监测资料的分析,系统研究了八字门滑坡的变形特征、影响因素和变形破坏模式。在确定八字门滑坡影响因子的基础上,分别采用本文模型、GM(1,1)模型和不考虑影响因子的BP神经网络对滑坡位移进行了预测研究,发现本文模型预测精度较高。     

库水位升降联合降雨作用下白家包滑坡稳定性评价

库水位升降和降雨通过改变三峡库区库岸滑坡岩土体的抗剪强度和应力状态,影响库岸滑坡的稳定性。为探讨白家包滑坡在库水位升降和降雨联合作用下的稳定性变化特征,本文首先根据GPS监测数据定性分析白家包滑坡变形规律,再采用Geo-studio软件计算4种工况下滑坡的稳定性系数,最后采用R/S分析法计算各GPS监测点累积位移的Hurst指数,并将Hurst指数值与Geo-studio数值模拟结果进行对比分析。结果表明：白家包滑坡累积位移曲线呈“阶跃状”特征;滑坡稳定性受库水位升降和降雨的综合影响,库水位下降时稳定性系数减小,上升时稳定性系数增大,降雨也能在一定程度上降低滑坡稳定性;175~145 m加降雨工况下滑坡最小稳定性系数为1.034,处于欠稳定状态;各监测点Hurst指数均介于0.5~1之间,表明未来滑坡变形将持续加剧,与滑坡变形定性分析及稳定性数值模拟结果一致。     

降雨与库水作用下谭家河滑坡变形响应规律分析

三峡库区谭家河滑坡坡体结构特殊，形成机理复杂，自2006年12月开始监测以来，至今仍持续着位移变形。在分析谭家河滑坡变形特征(2015～2020年)的基础上，把GPS人工和GPS全自动监测数据精细划分为多个阶段，采用定性与定量相结合的方法对库水位、降雨量数据进行分析与处理，并结合地下水位监测数据，对滑坡变形响应规律进行总结归纳，揭示滑坡诱发因素与诱发机制。结果表明：(1)谭家河滑坡累积位移呈稳定-阶跃的增长趋势，在自重、库水位波动以及大气降雨等因素的共同作用下，滑坡促滑段不断挤压阻滑段发生推移式蠕动变形。库水位升降是滑坡变形的直接因素，降雨对滑坡变形起促进作用，汛期连续2个月月降雨量达到160 mm以上，会极大促进滑坡变形。(2)库水位从175.00 m低速下降至160.00 m的过程中，库水的浮托减重、浸泡软化效应使坡体变形保持低速增长；库水位从160.00 m快速下降至145.00 m的过程中，库水位下降速率越大，形成的指向坡外动水压力越大，导致坡体变形更加明显。(3)低水位运行阶段，由于库水位快速下降对滑坡变形有一定滞后效应，使坡体在库水位两次145.00 m低水位运行期间仍持续...     

基于蚁群算法优化极限学习机模型的滑坡位移预测

采用高精度的优化算法对于提高滑坡位移预测模型的准确性具有重要意义,然而已有文献中很少对多种优化算法进行对比研究。以三峡库区的八字门滑坡为例,以极限学习机（ELM）理论为基础进行滑坡位移预测,同时运用多种算法对建立模型过程中的参数选择进行优化以期提高预测效果。为提高预测精度,以移动平均法为基础,将滑坡位移分解为趋势项和周期项,趋势项位移使用多项式函数进行预测,周期项位移使用MATLAB自编程序的极限学习机模型进行预测,两项预测值相加即可得到最终的累计位移预测值。计算结果表明：单一的ELM模型能够较为准确地预测具有阶跃式曲线的滑坡累计位移,预测结果的平均误差为23.5 mm,拟合优度为0.973。与粒子群算法和遗传算法相比,蚁群算法（ACO）在计算用时和优化效果上更优,蚁群算法优化极限学习机模型对位移的预测精度也最高,平均误差为10.1 mm,拟合优度为0.998,可在类似滑坡的位移预测研究中进行推广。     

阶跃型滑坡综合变形预测及监测预警方法研究

大型库岸滑坡的长期变形在汛期降雨作用下呈现明显的周期性“阶跃式”陡增特征。针对阶跃型滑坡的变形特征，本文提出了一种多源数据“融合-预测-预警”的三步式滑坡监测预警方法：(1)“融合”,即基于经验模态分解法将多点位移监测数据分别分解为趋势项和周期项，采用加权值法分别融合不同监测点的趋势项和周期项位移得到融合趋势项和融合周期项序列，并将两者叠加得到滑坡体的现状综合变形时间序列；(2)“预测”,即引入“一个预测周期”概念，采用滑动多项式拟合法和随机森林算法分别对融合趋势项和融合周期项进行预测并叠加得到滑坡体的预测综合变形时间序列；(3)“预警”,即基于斜率变点分析方法搜索综合变形曲线的“稳定点”和“跃迁点”,确定稳定变形和加速变形区间的斜率，建立阶跃型滑坡的四级递进式分级预警模型，基于该预警模型对滑坡现状进行预警。以向家坝水库某滑坡体自动化位移监测数据为研究对象，采用本文所提方法对该滑坡进行了综合变形预测和监测预警，结果表明：综合变形时间序列可以整体反映滑坡的变形演化规律，且预测结果可靠，根据分级预警模型判断此滑坡体当前处于稳定变形阶段(Ⅰ级预警)。     

基于ARIMA时间序列模型的滑坡位移预测预报——以三峡库区王家坡滑坡为例

为深入研究滑坡的位移特性,以三峡库区王家坡滑坡为例,基于简单移动平均法及时间序列的减法模型分解滑坡位移的趋势项位移和周期项位移,对趋势项位移采取多项式拟合处理,对周期项位移进行一阶差分处理,并分析其自相关函数ACF及偏自相关函数PACF,然后根据模型的识别规则,建立了ARIMA(1,1,1)模型。根据时间序列的加法模型,将两部分预测位移相加即为滑坡位移预测的总位移。模型与实测结果对比表明,该预测预报模型效果较好,基本反映了滑坡位移的整体趋势,且实现了对滑坡累积位移的滚动预测,在滑坡累积位移短期预测预报中具有一定的适用性。     

长江三峡库区谭家湾滑坡基本变形特征及机理分析

三峡库区谭家湾滑坡自2006年实施专业监测以来,一直持续变形,尤其是自2015年以来,变形趋势逐年增大,对库区村民的生命、财产安全造成巨大威胁。根据长期的野外地质调查、宏观巡查、滑坡地表裂缝位移自动监测数据以及12余年的人工GPS监测数据等,分析了该滑坡在强降雨和库水位变化条件下的基本变形特征和变形机理。结果表明:谭家湾滑坡属于中厚层圈椅状的降雨型牵引式土质滑坡,强降雨和持续性降雨是影响滑坡变形的主要外因,库水位变动对谭家湾滑坡影响较小。谭家湾滑坡在持续性降雨和强降雨条件下会产生明显响应,当日降雨量>90 mm或前3 d累计降雨量达到50 mm,并且当日和前1 d降雨量均>15 mm,地表裂缝位移-时间曲线、累计位移-时间曲线会出现明显的阶跃现象。目前,谭家湾滑坡变形趋势逐年增大,边界裂缝基本形成,在强降雨等极端条件下产生滑动的可能性很大,必须进一步加强监测。     

水库型堆积层滑坡位移方向协调性参数及其失稳判据研究

水库型堆积层边坡位移受库水位循环涨落及降雨的影响,具有波动与震荡的特点,然而其位移变化与突变多为库水位涨落及降雨所引起,并非一定缘于边坡稳定性降低。因此,运用传统单维度位移预测参数与判据分析该类滑坡稳定性时,经常会引起误判。针对传统单维度位移预测参数与失稳判据的局限性,本文根据滑坡全息论的基本原理,提出垂直位移方向率这一水库型堆积层边坡稳定性评价的位移方向协调性参数,并深入分析与确定了水库型堆积层边坡弹性压缩变形阶段和塑性失稳变形阶段该参数与其稳定性演化的定量关系。在此基础上,根据数理统计趋势位移分析原理,建立了边坡稳定性判据准则,并运用新滩边坡F系列监测点实际位移数据进行了垂直位移方向率的稳定性计算与分析。预测分析结果与该边坡实际稳定性演化阶段相吻合,说明垂直位移方向率参数在水库型堆积层滑坡稳定性评价与监测预警中具有一定的有效性。     

基于经验模态分解和LSTM模型的滑坡位移预测

建立高精度的位移预测模型对滑坡的提前预报具有重要意义,然而以往的研究多是选用静态预测模型,无法满足滑坡的动态特性。鉴于此,以三峡库区新滩滑坡为例,选用了近期较为流行的长短时记忆网络(LSTM)模型来对滑坡滑动前的累积位移进行动态预测。首先选用经验模态分解法(EMD)将滑坡累积位移分解成趋势项和周期项,然后利用多项式函数预测趋势项位移;再利用动态LSTM模型预测周期项位移;最后将各分量位移累加得到最终的模型计算值。结果表明:LSTM模型预测结果的均方根误差为17.07 mm,相关性系数达0.999,具有较高的预测精度,为"阶梯状"滑坡位移的预测提供了一种可行的思路。