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%。     

水库滑坡位移与水动力耦合预测参数及其评价方法研究

针对库水涨落诱发滑坡致灾机理,在系统分析水库边坡位移与库水位变化规律及其相互作用关系的基础上,运用弹塑性力学基本原理,提出了以库水位下降引起的边坡下滑动力增量作为边坡的加载动力参数,以相应边坡位移变化量作为边坡位移响应参数,以此确定水库边坡库水动力增载位移响应比参数并建立预测模型。运用动力增载位移响应比预测模型对三峡库区典型水库滑坡-黄土坡滑坡关键部位监测点进行了动力增载位移响应比计算,并采用Geostudio软件对该滑坡稳定性进行了数值模拟分析。该滑坡的位移响应特征与稳定性演化规律表明,该滑坡关键变形部位的动力增载位移响应比参数变化规律与其实际位移与稳定性演化规律基本吻合。研究结果表明了动力增载位移响应比参数是水库滑坡有效的位移动力评价参数,可运用该参数及其评价方法对水库滑坡进行稳定性分析与评价。     

基于外因响应的滑坡位移预测模型研究

根据滑坡位移序列的单调性和非线性,将滑坡位移分为趋势项和偏离量,建立曲线回归-BP神经网络模型对滑坡位移进行动态预测。以三峡库区树坪滑坡为例,首先通过曲线回归提取滑坡位移趋势项;然后在选取滑坡位移动态变化影响因子的基础上,建立BP神经网络模型逼近位移偏离量;最后将趋势项和偏离量预测值叠加,得到滑坡位移预测值。结果表明,该模型可更好地反映影响因子动态变化对滑坡位移发展的关键作用,预测的平均相对误差为3.3%,有效地提高了预测结果的精度。     

库水位波动下三峡库区典型堆积层滑坡位移特征及预测

以重庆奉节县某滑坡作为典型堆积层滑坡,基于地质条件及位移监测资料分析,总结了该滑坡的位移特征及主控因素。提出了基于库水运行工况概化,通过有限元渗流计算程序获取各工况下的滑坡渗流场,并将其依次导入有限差分程序,获取滑坡位移场的位移预测方法。该方法考虑了滑坡稳定性主控因素,能得到滑坡变形破坏全过程特征,且无需校核计算时步与真实时间的关系。数值计算结果表明,滑坡计算位移与实测位移较为吻合,预测效果较好,表明提出的滑坡位移预测方法是可行、可靠的。     

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。     

黄河龙羊峡工程近坝库岸滑坡涌浪及滑坡预警研究

龙羊峡水库近坝库岸南岸是半岩性土组成高陡岸坡，蓄水后可能产生高速滑坡激起巨大涌浪。研究工作内容有岸坡岩土特性、岸坡破坏机制、监测岸坡变形，预测今后１０年的变化，建立滑坡预警标准。     

三舟溪滑坡稳定性分析和预测研究

三峡工程库区正常蓄水后,库水位在145~175 m间周期性波动,位于库区长江两岸的滑坡体的地下水渗透情况发生了很大的变化,滑坡可能受此影响失稳。以重庆市万州区三舟溪滑坡为例,建立地质模型,采用geo-studio软件模拟了在多种库水位工况和降雨情况下滑坡体稳定性状态,分析滑坡体的稳定性状态变化规律。结果表明,采用支持向量机理论进行滑坡稳定性预测比回归预测具有更好的预测精度。     

坡体位移对库水位变化响应的模型试验研究

根据三峡水库的运行情况,以三峡库区某一滑坡为原型,用模型试验的方法模拟了滑坡体各部分的位移对水库水位变化的响应情况。试验采用位移传感器和非接触式光学测量法两套位移测量系统来监测滑坡体的位移。分析了滑坡体在库水位影响下的位移特征,并得出了滑坡体在库水位变化过程中位移发展的一般规律,试验发现大部分的位移发生在水库水位上升阶段和消落阶段,水位稳定在135m和175m的过程中滑坡体的位移变化不明显。     

清江库岸滑坡体位移曲线及变形趋势研究

在对清江隔河岩水库库岸５个滑坡体进行稳定性监测工作的基础上，总结出３种不同类型的滑坡位移曲线：平稳型变化曲线、发展型变化曲线、收敛型变化曲线，并提出了相应的位移数学模型。初步认为：平稳型变化曲线采用线性函数来拟合，发展型变化曲线采用灰色理论建立ＧＭ（１．１）模型来拟合，收敛型变化曲线采用对数函数来拟合。位移模型的建立有助于对各滑坡体趋势性位移进行定量分析和中短期预测并能直接或间接地反映出滑坡体变形的总趋势，分析了清江库岸５个滑坡体各自位移特征及发展趋势，为水库蓄水及库区移民和当地政府防灾决策提供科学依据。     

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。     

考虑前缘桩锚支挡作用的滑坡变形预警指标研究

在考虑坡体前缘抗滑桩锚索对坡体下滑的阻挡作用的基础上,提出滑坡变形总量与变形速率预警指标。以四川岷江电化有限公司厂区西侧滑坡为例,利用强度折减法,通过FLAC数值模拟得到滑坡失稳破坏时的坡向位移,之后减去锚索所能承受的最大变形量,拟定滑坡坡表变形总量预警阈值,并且根据前人统计研究得到的一般性滑坡变形速率与滑坡实际监测资料分析,拟定滑坡坡表变形速率预警阈值。计算结果表明:监测点JC01坡表变形总量蓝色、黄色、橙色与红色预警阈值分别为0.00 cm、38.84 cm、58.26 cm、77.68 cm;监测点JC02坡表变形总量蓝色、黄色、橙色与红色预警阈值分别为0.00 cm、63.00 cm、94.51 cm、126.01 cm;监测点JC03坡表变形总量蓝色、黄色、橙色与红色预警阈值分别为0.00 cm、46.84 cm、70.26 cm、93.68 cm;滑坡的坡表变形速率蓝色、黄色、橙色与红色预警阈值分别为0.00 mm/d、0.11 mm/d、1.61 mm/d、10.00 mm/d。研究结果为四川岷江电化有限公司厂区西侧滑坡预警阈值的拟定提供了相关参考与依据。     

基于EMD-TAR组合模型的滑坡位移预测研究

针对非线性波动性发展的滑坡,为了提高其位移变化的预测精度,以经验模态分解(Empirical Mode Decomposition)方法对滑坡监测地表位移的时间序列进行处理,将不规律变化的位移序列转化为存在一定规律变化的模态分量,得到不同频率的位移分量,对每一分量单独预测,避免误差相互影响,通过预测所有分量的变化趋势来综合预测位移序列的变化趋势,利用改进门限自回归模型(Threshold Auto Regressive)对非稳态谐波描述性较好的优势预测滑坡位移分量,最后模态叠加得到最终预测位移,建立了基于经验模态分解和门限自回归模型的组合预测模型,结合白水河滑坡实例数据验证该模型的预测精度,通过与BP神经网络模型、长短时间记忆网络模型进行预测对比,提出的组合模型预测精度较高,为滑坡位移的预测提供了一种新的方法。     

考虑位移滞后效应的降雨型滑坡 ＳＳＡ-ＤＥＬＭ位移预测模型研究

针对东南丘陵山地降雨型滑坡变形发展特征,现有滑坡预测模型应用存在局限,结合滑坡变形特点研究基于智能算法的滑坡预测模型。以福建安溪尧山滑坡为例,选取2019年9月至2022年6月滑坡监测数据进行研究,采用集对分析、灰关联法、麻雀搜索算法及深度极限学习机对滑坡位移进行预测,提出了一种考虑滑坡位移滞后时间基于深度学习的滑坡位移预测模型。结果表明:ＳＳＡ-ＤＥＬＭ模型的ＭＡＥ、ＭＡＰＥ、ＲＭＳＥ相较于已有的ＢＰ神经网络、ＳＶＭ模型均更小,同时模型结合了滑坡影响因子以及水位－位移滞后特征,具有明确的物理意义,位移预测效果较好且精度较高,可推广应用于类似的滑坡位移预测中。     

三峡库区巴东李家湾滑坡变形破坏机理研究

以三峡库区李家湾滑坡为例,对库水位变动影响下的滑坡变形机理进行了探讨。通过现场详细调查、原位声波测试和室内岩体单轴抗压和耐崩解试验分析,认为滑坡岩性组合特征、节理裂隙发育状况为其变形破坏提供了运动空间,库水位波动、水流流动为滑坡内部岩体运动提供了动力条件。由于软弱夹层的存在,在自身重力作用下,斜坡内部岩体发生剪切滑移,坡面发生拉裂。在库水位周期性波动影响下,前缘坡脚岩体受到江水侵蚀,泥灰岩软弱夹层向内发生凹陷,岩体发生弯折倾倒破坏;在江水的侧向淘蚀作用下,岩体发生滑移、错动、坍塌破坏。     

三峡库区白水河滑坡变形分析及评价

针对三峡库区白水河滑坡体局部复活、开展对其实施复合预警监测。通过对三峡库区白水河滑坡的地表宏观变形和监测数据分析,研究库区水位变化和降雨对滑坡的影响机理,并对白水河滑坡变形现状及趋势进行评价与预测,结果认为,降水坡水库水位下降是滑坡复活的诱发因素,两者叠加作用造成滑坡体稳定性下降。通过变形加速度及裂缝分期配套分析,截止2010年7月滑坡仍处于匀速变形阶段。     

库水位变化和降雨作用下付家坪子高陡滑坡稳定性研究

运用非饱和土渗流理论和抗剪强度理论,以付家坪子高陡滑坡为例,采用极限平衡法,分析了库水位不同升速和降速、降雨不同强度以及库水位变化与降雨联合作用工况下滑坡的稳定性。计算结果表明库水位上升越快,滑坡安全系数的增长速率越大;降速对滑坡稳定性的影响基本上呈抛物线变化,即安全系数先减小,后增加,每个降速下均存在一个临界水位;降雨强度越大,滑坡的稳定性就越差,随着库水位的升高,降雨对安全系数的降低幅度有所减小;在研究库水位下降与降雨在时间上的最不利组合方式时,发现降雨作用在最末对滑坡稳定性的影响比作用在最初要有利;该高陡滑坡在库水位变化、降雨以及库水位变化和降雨联合作用下,安全系数的变化幅度均很小。     

降雨-库水位作用下的下坪滑坡Monte-Carlo可靠度研究

针对降雨-库水位联合作用下的可靠度研究较少这一不足,基于下坪滑坡的工程背景,利用Geo-studio软件对降雨联合库水位不同工况下的渗透稳定性及可靠度进行了分析,得到了不同位置监测点的孔压变化、确定性安全系数变化、可靠度及失效概率,结果表明:库水位骤降工况下孔压总体上随时间呈现不断下降最终趋于稳定,而不同降雨工况下孔压总体上随时间呈现不断上升最终趋于稳定;库水位骤降情况下定性安全系数随时间呈现先降后升,而随降雨呈现单调下降的趋势;库水位骤降速率越大,降雨强度越大,降雨持时越长,最小安全系数则越小;库水位骤降工况下的不同工况安全系数分布差异要明显小于降雨工况,库水位骤降速率越大,失效概率越大,可靠性指标越低,降雨强度越大,降雨持续时间越长,失效概率越大,可靠性指标越低。     

滑坡治理工程对库水位变化的响应特征 ——以三峡库区张飞庙滑坡为例

三峡库区张飞庙滑坡是三峡水库蓄水后引发的堆积层推移式大型滑坡,采取的主要治理工程措施有:削方减载、反压坡脚和实施抗滑桩工程。基于对滑坡2007～2009年现场监测数据的研究,分析了治理前后滑坡变形特征以及抗滑桩对库水位变化的响应特征;采用数值模拟手段对比分析了库水位连续变化过程中,滑坡体的应力、变形、稳定性和抗滑桩滑面处弯矩与库水位变化的关系。研究表明:治理工程实施后,滑坡变形得到了有效控制,在库水位作用下,滑坡治理范围的变形要明显小于滑坡前缘未治理区域,滑坡体及抗滑桩在库水位160～165 m变化或者水位变幅超过0.6 m/d时受影响最大。     

RNN与LSTM方法用于滑坡位移动态预测的研究

良好的滑坡位移预测是实施滑坡灾害预警的重要组成部分。受限于滑坡位移演化的非线性动态特性,传统的预测方法中普遍存在对历史数据遗忘,致使预测精度不高的问题。为此,提出了一种深度学习的滑坡位移预测方法,分别建立了循环神经网络(Recurrent Neural Network, RNN)和长短时记忆网络(Long Short Term Memory Network, LSTM)2种位移动态预测模型进行比对。以新滩滑坡工程为例,采用"流转训练"的方式,并选取多个监测点位移变化进行动态预测。结果表明,在误差函数满足期望精度时,LSTM模型具有更高的预测精度,且各项评价指标也表明LSTM模型的预测总体效果更优。