基于无人机3D点云的高陡斜坡岩体结构特征

岩体结构控制着岩质斜坡的变形破坏模式,但传统的结构面信息调查方法存在危险性高、难度大的缺陷。为安全、高效地获取斜坡岩体结构信息,利用无人机摄影技术开展高陡岩质斜坡的测量,构建斜坡岩体的3D点云模型,识别结构面的产状、间距、迹长等岩体结构信息。对湖北秭归卡门子湾滑坡区调查验证,斜坡共发育6组优势结构面,平均间距为0.46~1.01 m,平均迹长为0.82~12.57 m;无人机3D点云获取的岩体结构信息精度满足要求,方法高效、可行;获得的岩体结构信息为斜坡岩体结构模型建立和稳定性评价等工作提供了可靠的数据基础。

信息量与多模型耦合的滑坡易发性评价研究

滑坡易发性评价是识别滑坡灾害危险性"靶区"的基础和关键。三峡库区秭归县的侏罗系地层区是滑坡灾害易发区,选取坡度、地表切割深度、曲率、距水系与路网距离等8个影响因子,通过信息量模型(I)与人工神经网络(ANN)、随机森林(RF)、XGBboost、支持向量机(SVM)等4种模型耦合,进行了滑坡易发性评价。通过受试者工作特征(ROC)曲线对比分析发现:信息量和支持向量机耦合模型的ROC曲线AUC值最大(0.848),滑坡易发性的分区图显示高易发区主要集中在水系和路网两侧,其结果与实际滑坡分布基本一致。研究成果可为区域滑坡易发性评价和滑坡灾害的防治提供参考。

数字钻孔全景影像中结构面特征智能识别方法

数字钻孔全景影像是识别深部岩体结构面的主要方法,传统解译方法主要依靠手动操作完成,其结果存在较强的人为性、主观性和较大误差。针对数字钻孔全景影像技术,提出了一种考虑结构面图像灰度分布特点的智能识别新方法。通过钻孔图像的灰度化、降噪预处理后利用结构面定位信号特征值D定位结构面,获取其所在区域图像;再进行边缘检测、阈值分割及形态学等处理,通过拟合边缘曲线并结合数学表征方法实现了结构面特征(产状、隙宽等几何参数)的智能化识别。通过对地下水封洞库工程深部岩体数字钻孔影像的实例分析,运用本智能识别方法获得结构面特征信息相对于传统人工识别方法,其结果的准确性和客观性更强、批量识别效率更高。这对这数字钻孔影像的智能、快速识别具有一定的参考价值。

一种基于EEMD-RFR的水库滑坡台阶状位移预测模型

水库滑坡的位移与周期性的库水波动和季节性降雨等诱发因素关系密切,由于库水位升降和降雨的作用,滑坡累计位移变形曲线呈明显的“台阶状”,准确、及时地预测此类台阶状位移对提升该变形的认识具有重要意义。为深入了解诱发因素对水库滑坡位移的影响,预测其变形演化趋势,本研究提出了一种基于集合经验模态分解(EEMD)和随机森林回归模型(RFR)的滑坡位移预测模型。以水库滑坡——三峡库区白家包滑坡2007年4月至2018年12月的变形数据为例,进行“台阶状”位移的预测与模型检验。通过EEMD方法将累计位移分解为趋势项和周期项,其中趋势项采取最小二乘法的三次多项式拟合;周期项基于诱发因素组合和滑坡位移的响应变化,建立RFR模型进行预测。根据时间序列加法,将趋势项和周期项预测值叠加,获得总位移预测值。结果表明EEMD-RFR模型基本反映了滑坡累计位移的“台阶状”变化趋势,相关系数R达到0.997。通过与两种BP神经网络预测方法的对比,反映EEMD-RFR模型具有更好的预测效果。本研究为水库滑坡台阶状位移预测提供了一种有效的新方法,对了解水库滑坡长期变形具有一定意义。