基于诱发因素响应与支持向量机的阶跃式滑坡位移预测

受库水位周期性调度和降雨的影响,三峡库区部分滑坡的位移变形呈台阶状。针对滑坡的这种变形特征,提出一种基于诱发因素响应分析的进化支持向量机位移预测模型:应用移动平均法将滑坡总位移分解为趋势项位移和周期项位移,趋势项位移变化受坡体地质条件控制,应用多项式函数进行预测;周期性位移变化受诱发因素联合控制,选取变形主导因素作为影响因子建立进化支持向量机模型进行预测;将分项位移预测值叠加即为总位移预测值。以库区典型阶跃式滑坡——八字门滑坡为例,应用进化支持向量机模型进行预测研究。结果表明:诱发因素响应分析是滑坡位移预测的关键;基于诱发因素响应的进化支持向量机耦合模型在阶跃式变形期有较好的预测效果,是一种行之有效的阶跃式滑坡位移预测方法。     

“阶跃式”滑坡位移预测及阈值分析的ARMA-(LASSO-ELM)-Copula模型

滑坡位移预测的重点内容是提高预测精度及提取阈值,基于该认识及已有研究,建立ARMA-(LASSOELM)-Copula模型,并选取白水河滑坡这一典型"阶跃式"滑坡为研究案例。首先,运用ARMA模型中的ACF值分析月降雨量与月库水位变化的周期性,并通过PPMCC分析位移月增量与一个周期内诱因数据(月降雨量,月库水位变化)的滞后相关性;然后,建立以所有诱因正相关滞后项为预测模型的输入项,以位移月增量为目标的LASSO-ELM滑坡位移预测模型,将预测所得位移增量累加得到位移预测值;最后,基于诱因值与滑坡位移预测值,比选得到最优Copula函数之后,分别建立其联合分布函数,并提取阀值。结果表明,ARMA联合LASSO-ELM的位移预测模型具有较高精度,明显优于SVR、NN、ELM等模型;选取Gumbel-Hougaard Copula函数可描述案例诱因数据与位移预测值的联合分布,并能提取诱因阈值和对应的位移风险值。     

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。     

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。     

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。     

基于时间序列与长短时记忆网络的滑坡位移动态预测模型

针对滑坡演化的动态特性和传统静态预测模型的不足,提出一种基于时间序列与长短时记忆网络(long and short term memory neural network,LSTM)的滑坡位移动态预测模型。该模型首先采用移动平均法将滑坡累积位移分解为趋势项位移和周期项位移。然后采用多项式函数预测趋势项位移;基于滑坡变形特征与诱发因素的响应分析,建立LSTM模型进行周期项位移预测。最后将各分项位移叠加,即实现滑坡累积位移的预测。以三峡库区典型阶跃型滑坡——白水河滑坡为例,并与支持向量机模型(support vector machine,SVM)进行对比分析。结果表明,与静态模型SVM相比,动态模型LSTM的预测精度较高,在阶跃式变形期的预测优势尤为突出,且不依赖于训练数据时效性的分析。该模型为三峡库区阶跃型滑坡位移预测提供了新的思路和探索。     

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。     

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。     

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。     

滑坡位移预测的SVR-MIV变量筛选方法研究

支持向量回归机(Support Vector Regression, SVR)在滑坡位移预测研究中已得到广泛应用,但SVR具有模型可解释性差的缺陷,即无法直接获得并筛选最佳预测变量,从而影响预测精度。为此,将较广泛应用于评价神经网络模型变量影响大小的平均影响值(Mean Impact Value, MIV)方法与SVR模型相结合,实现基于SVR-MIV的变量筛选,该方法不但能对所有预测模型初始变量影响大小进行排序,还可以进一步结合反向逐变量剔除分析实现变量筛选。为验证该方法的有效性,选择三峡库区两类典型水库滑坡代表的累积位移监测数据,在采用移动平均法将位移分解为趋势项和波动项的基础上,重点针对波动项位移,选择包括降雨及库水位变动特征在内的12项初始变量,采用SVR-MIV方法进行变量筛选分析。结果表明,该方法筛选出的变量理论上符合对应滑坡变形影响机理分析结论,且可以提高滑坡位移实际预测精度。     

基于监测数据的马坪滑坡稳定性分析

滑坡位移变形的产生及演变,对于滑坡安全稳定性的评价至关重要。本文以德化县马坪滑坡为例,利用位移监测数据,并结时间序列模型分析滑坡体的位移变化,在此基础上结合降雨、地下水等影响因素分析对今后滑坡的稳定性进行了预测。结果表明基于位移监测数据的时间序列模型具有较高精度,对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。     

Probabilistic stability analysis of Bazimen landslide with monitored rainfall data and water level fluctuations in Three Gorges Reservoir,China

Landslide is a common geological hazard in reservoir areas and may cause great damage to local residents’ life and property. It is widely accepted that rainfall and periodic variation of water level are the two main factors triggering reservoir landslides. In this study, the Bazimen landslide located in the Three Gorges Reservoir (TGR) was back-analyzed as a case study. Based on the statistical features of the last 3-year monitored data and field instrumentations, the landslide susceptibility in an annual cycle and four representative periods was investigated via the deterministic and probabilistic analysis, respectively. The results indicate that the fluctuation of the reservoir water level plays a pivotal role in inducing slope failures, for the minimum stability coefficient occurs at the rapid decline period of water level. The probabilistic analysis results reveal that the initial sliding surface is the most important area influencing the occurrence of landslide, compared with other parts in the landslide. The seepage calculations from probabilistic analysis imply that rainfall is a relatively inferior factor affecting slope stability. This study aims to provide preliminary guidance on risk management and early warning in the TGR area.     

库水位骤变下滑坡–抗滑桩体系作用三维分析

库水位上升产生的浮力作用和库水位骤降时产生的渗透动水压力,将改变原有的水–边坡作用环境与条件,不利于库区边坡稳定。结合三峡库区马家沟I号滑坡的现场监测成果以及库水位波动数据,利用数值模拟方法,建立真三维模型。采用有限差分程序软件内置的Fish语言将分别考虑库水位上升和下降对坡面产生的静水压力作用、动水压力作用耦合于有限差分程序软件,对滑坡在库水位骤然上升与下降的位移和应力场进行分析,研究应力–渗流耦合作用下抗滑桩加固库区滑坡位移和受力特征,探讨滑坡–抗滑桩相互作用体系的防治效果。结果表明：抗滑桩与土体形成土拱效应以及抗滑桩阻滑效应相互作用下防治滑坡效果明显;库水位骤降产生的动水压力相比于库水位骤升产生的静水压力对滑坡–抗滑桩作用体系的减弱作用更大;数值模拟方法为对库水位骤变下滑坡–抗滑桩体系相互作用三维分析具有一定的指导意义。     

三峡库区某滑坡稳定性时域分级评价

结合三峡库区某滑坡全自动专业地表位移长期监测资料,利用小波分析等数学方法半定量地探究在降雨和库水位两个因素作用下滑坡的运动演化过程,分月测值、日测值、时测值逐步细化的分级模式综合评价滑坡的稳定性及变形特征。结果表明:此评价法能客观、全面的反映滑坡稳定性的现状和发展趋势,对同类滑坡的研究具有借鉴意义;现阶段该滑坡处于潜在不稳定状态,库水位上升时抑制滑坡变形(较为微弱),下降时促进滑坡变形,并且这种影响一般会滞后一个星期左右。降雨量与滑坡变形成正相关,两种因素叠加作用时,变形速率显著增加。     

堆积层滑坡加卸载响应比动力学参数及其应用

在系统分析堆积层滑坡的物质组成和失稳动因的基础上,运用加卸载响应比理论的基本原理,首次提出了将降雨和孔隙水压力的变化作为滑坡的加卸载参数,相应平均位移速率的变化值为加卸载响应参数,由此所确定的位移加卸载响应比作为堆积层滑坡的位移动力学参数,并根据堆积层边坡位移动力学规律论证了该位移动力学参数在滑坡预测预报的可行性和有效性.同时,分别以三峡库区新滩滑坡和黄腊石滑坡为实例,运用加卸载响应比参数对其稳定性进行了评价与预测.评价与预测结果与滑坡稳定性演化规律相吻合.上述研究结果表明了加卸载响应比是一种有效的位移动力学评价参数,可以运用该参数对堆积层边坡稳定性及其演化趋势进行评价与预测.     

三峡库区塔坪H2古滑坡台阶状复活变形的库水–降雨耦合作用机制

三峡水库蓄水以来,出现了大量大规模的老滑坡体复活现象。较多大型复活滑坡体的监测位移–时间曲线呈台阶状阶跃变化。此类滑坡的稳定状态识别难度较大,严重影响治理方案及治理时机的选择。以巫山曲尺塔坪H2滑坡为例,通过地质、位移监测及数值模拟方法,研究了此滑坡在实际降雨与库水涨落条件下渗流场、稳定性以及变形场演化规律。在汛期及库水位变动时期滑坡会发生变形,特别是库水位下降诱发滑坡前缘变形,并对后部坡体产生牵引作用。而降雨主要影响库水位变动带以上部分滑体的变形,并对前缘坡体产生推动作用。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–时间曲线呈现台阶状阶跃特征。总体来说,库水位涨落是滑坡变形的主要因素,而降雨促进了滑坡变形进一步发展。