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。     

R/S分析在滑坡变形趋势预测中的应用

R/S分析(重标度极差分析)是一种描述和刻画非线性时间序列的有效方法。针对滑坡地表位移监测时序确定性与随机性共存的复杂非线性特征,对三峡库区的一个实例滑坡的长时期位移时序进行了R/S分析。分别计算了滑坡累积位移时序和增量位移时序的Hurst指数,指出增量位移时序是更有效的分形结构,其Hurst指数能定量刻画滑坡的变形趋势;分析了滑坡增量位移时序的非周期循环长度,发现滑坡前缘与中后部的增量位移时序Hurst指数和非周期循环长度存在显著差别,并从滑坡变形诱发机制上解释了这一差异产生的内在原因;最后基于滑坡变形演化的力学机理,提出了一个利用增量位移时序Hurst指数判断滑坡加速变形阶段的概念模型:为提高和完善滑坡失稳时间预测预报理论,提供了一个有意义的新思路和新方法。     

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。     

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。     

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。     

三维滑坡可视化演绎系统及破坏演变规律跟踪

分析滑坡可视化演绎系统的研究内容与意义,介绍一种基于VC和OpenGL的三维滑坡可视化演绎系统的功能与设计,包括复合地形图的生成与绘制和人机交互的分类与实现等。采用跟踪球算法完成了灵活的人机交互功能。根据滑坡演变规律将滑坡破坏过程划分为5个阶段。针对滑坡发展的不同阶段实施监测,分析滑坡变形特征和影响因素,研究滑坡破坏机制。以秭归鸡鸣寺滑坡为例,根据边坡变形的宏观现象和边坡位移蠕变曲线,结合滑坡跟踪监测预报的方法是可行的,且预报结果准确。     

滑坡非线性演化行为的自组织进化识别

滑坡行为表现出复杂的非线性演化特征,位移是滑坡演化过程中所反馈出的重要信息之一。引入进化算法的全局优化思想,结合时间序列分析基本理论,以斜坡位移时间序列为基础,将遗传规划和遗传算法有机结合在一起,设计了一种模型结构和参数分别进化、共同识别的进化方案,实现对斜坡演化的非线性动力学模型结构和参数的全局最优识别。以新滩及八尺门滑坡为例对滑坡的发展孕育过程进行分析,结果表明,新方法识别获得的非线性动力学模型预测效果较理想,而且表现出较高的自组织进化识别能力。     

基于地下水位变化的滑坡预测时序分析

 松散堆积土滑坡受地下水位变化影响显著,地下水位变化先于地表位移,易于监测。在坡体表面位移与地下水位之间建立联系,将地下水位监测作为滑坡预测的手段或辅助预测手段具有广泛的应用前景。相关数据序列分析可借助向量自回归模型,其兼顾数据序列的相关性分析和回归分析,可用于研究时间顺序数据间的滞后效应及多种时序间的联系。基于地下水位变化会引起滑坡下滑推力改变的认识,将实测地下水位变化的时序数据转化为推力引起土体位移加速度的改变,建立实测滑坡位移变化加速度与根据地下水位变化引起滑坡推力变化的计算标称加速度的向量自回归模型,可判断坡体表面位移受地下水位影响的规律及相应的滞后时间。所建立模型应用于上虞-三门高速公路6#滑坡分析,验证模型在滑坡位移预测中的有效性,为相关滑坡工程的预测分析提供了参考和借鉴。     

复杂岩质高边坡工程安全监测三维可视化分析

应用自主研发的岩石边坡工程安全监测三维可视化分析系统(SlopeMoni3D),以锦屏一级水电站左岸高边坡工程为例,建立安全监测分布式分析平台,对边坡安全监测系统与赋存地质条件进行虚拟现实可视化分析。以三维云图的可视化形式对安全监测获得的左岸边坡开挖区域浅表、深部变形发展趋势及锚索测力计锚固力在相同时段变化量的空间分布进行综合分析,完成边坡整体稳定性和变形趋势的分析评估。分析结果表明:(1)以虚拟现实可视化方式解析复杂岩质边坡工程区域地质条件,可直观表达各监测项目测点布置与地质结构的相互关系,便于监测成果与地质条件和施工信息的综合分析;(2)借助三维可视化分析平台所提供的监测数据管理和监测数据场三维云图绘制等功能,可直观比较相同监测时间段不同监测项目所获得监测物理量的三维云图分布,便于从地质、施工等方面综合分析边坡各区域的变形趋势和稳定状态。     

双层反翘型滑坡成灾机制研究

 双层反翘复合型滑坡在自然界普遍发育,以具有典型双层反翘型滑坡特征的韩家垭滑坡为工程背景,运用现场勘察、物理模拟、现场监测、数值模拟等多方法、多手段综合研究该类型滑坡的成灾机制。通过竖井、探槽、钻探、物探、地表调绘等多种工程地质勘察手段,直观揭示上、下两层滑动面的分布位置和基本特征,以及前缘岩层反翘特征;通过现场监测,进一步确定了两层滑动面的位置及滑坡运动的阶段性和周期性;运用大块体地质力学模型试验,采用数码像机数字化近景摄影测量技术量测位移场,在实验室进行物理仿真,短期内重现该类型滑坡在漫长地史时期发育、发展、演化和形成全过程以及反翘岩层的弯曲折断渐进破坏全过程;采用弹塑性有限元法分析该类滑坡的变形破坏力学机制和反翘成因。数值仿真结果与现场实际情况、现场监测结果和物理模拟试验结果吻合较好,为防治该类滑坡提供基础性研究依据。     

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。     

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。     

三峡库区奉节天池滑坡实时遥测技术应用实例

 对滑坡监测的特点及国内外滑坡监测技术的发展现状进行简要的介绍，对无线实时遥测技术在滑坡监测中的应用现状做必要的综述，对KLA–1型地表位移遥测系统的工作原理进行阐述，并详述阐述将遥测系统应用于三峡库区奉节天池滑坡应急监测的具体情况。KLA–1型地表位移遥测系统是测量地表相对位移的监测仪器，在宜昌茅坪、重庆北碚、重庆万州枇杷坪等地已实际应用。该系统由三部分组成，分别为位移传感装置、数据采集发射模块、数据接收处理终端。在实际监测过程中，当滑体滑动时，监测点相对于固定点有线位移，这一信息由角位移传感器记录并转化为相应的电学量，电学量由无线发射模块通过GSM网络发射至远程终端，PC机作为终端通过相应的监测软件进行数据的接收及分析。通过奉节天池滑坡实测数据的分析，给出天池滑坡滑体位移随时间的变化曲线，预测此滑坡未来的发展趋势，证明监测设备的准确性、实时性，并说明此种监测技术运用于滑坡监测具有很高的实用价值。     

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.     

基于假设检验原理的边坡临滑时刻的动态识别方法

 位移监测技术在边坡工程中的应用越来越广泛,如何根据动态监测信息及时掌握边坡稳定性状态,判定边坡的临滑时刻是有效实施滑坡预警、避免滑坡灾害发生的关键问题之一。在分析各种典型滑坡判据的基础上,确定将位移加速度大于0作为边坡的临滑判据;基于假设检验原理,将由观测得到的位移数据生成的位移速度变量看作是一随机变量,认为边坡在等速变形阶段时的位移速度变量服从正态分布,一旦进入加速变形阶段时则不服从正态分布,据此提出基于Lilliefors检验的边坡临滑时刻的动态识别方法。结合平庄西露天矿顶帮9•15滑坡过程中的监测数据,对边坡在不同变形阶段的位移速度变量进行形态检验,得出该边坡在等速变形阶段时,位移速度变量服从正态分布,进入加速阶段后服从指数分布,并且在剧滑前的一段时间内位移加速度变量服从正态分布,验证上述方法的合理性。研究结果表明,该方法能够及时、准确识别边坡的临滑时刻,可有效提高滑坡预警的可靠性。     

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。     

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。     

滑坡实时监测网络地理信息系统研发及应用

 基于ArcGIS Server平台,结合SQL Server数据库,开发适用于滑坡的安全监测网络地理信息系统(GIS)。该系统在研究安全监测对象的空间和属性数据建模及可视化网络查询的基础上,完成滑坡监测信息的断面分析、平面分析及三维分析模块,实现监测信息在断面、平面和三维视图中的图形化表达及插值分析、趋势图分析等多种可视化分析功能,满足滑坡监测的空间数据和属性数据一体化、可视化显示及网络查询、空间分析功能多样化等功能需求。该系统适用性强,对滑坡监测数据的实时分析、安全评估以及预报决策将起到重要作用。