不同数据处理策略对Chl-a浓度预测精度的影响

为了确定合理数据处理策略,提高基于神经网络的叶绿素a含量预测精度,采用7种数据处理方案和5种神经网络输入参数组合,研究了不同数据处理策略对叶绿素a含量预测精度的影响。结果表明:数据处理可有效提高基于神经网络的水体中叶绿素a含量预测精度,不同数据处理策略得到的主成分不同,对预测精度的提高程度不同;在输入参数数量相同情况下,以格拉布斯准则处理异值点,再采用局部多项式回归进行数据平滑所得的神经网络预测精度最高;4个输入参数情况下,预测精度在进行数据处理后最高可达到0.986,比采用原始数据提高23.25%。

基于随机化方法的叶绿素a含量神经网络预测模型输入因子敏感性分析

为了区分神经网络预测模型输入因子敏感性强弱,以探寻水体叶绿素a含量变化的主要影响因素,引入随机化方法,分别采用偏导、连接权值、改进连接权值、百分比扰动及改进扰动方法对叶绿素a含量神经网络预测模型输入因子进行1 000次敏感性分析,以计算结果均值对输入因子敏感性进行评价。结果表明:引入随机化方法后,敏感性分析结果稳定,研究区域pH相对敏感度最高,光照、降雨量、极大风速相对敏感度最小。受输入因子波动范围过大影响,百分比扰动方法与其他敏感性分析方法得到的结论不一致;对扰动方法进行改进,基于输入因子标准差扰动进行敏感性分析,光照、降雨量、极大风速相对敏感度分别为0.032、0.030、0.029,pH相对敏感度为0.148,因子敏感性强弱与其他方法一致;改进的扰动方法物理概念清晰,耗机时少,易实现。研究结果可为基于神经网络分析水体水华主要影响因素提供方法,为水体治理措施有效开展提供研究基础。

基于贴近摄影测量技术的高陡危岩体结构面调查方法

为解决传统危岩体结构面接触式调查手段风险高、效率低的问题,提出了一种基于无人机贴近摄影测量技术的结构面提取方法,并以某高位危岩体为例,开展了工程实例验证。首先利用多旋翼无人机对危岩体进行多角度贴近摄影,构建精细化的三维模型和三维点云;然后通过K近邻算法及PCA主成分分析完成优势结构面产状的半自动提取,最后结合三维模型中的岩体裂隙等特征,对危岩体稳定性进行快速评价。结果表明:该方法可获取符合工程精度要求的岩体点云数据,完成结构面产状的半自动提取,且倾向倾角的提取误差均在3°以内,能满足工程精度需求,为分析危岩体稳定性提供可靠的基础数据。

基于倾斜摄影测量与InSAR技术的库区滑坡识别

随着水电站的建成蓄水,水位变动会影响库岸边坡稳定性,从而诱发一系列的库岸滑坡,危害水电工程及库区居民安全。为尽早识别潜在库岸滑坡,选取白鹤滩库区作为研究区,提出将无人机倾斜摄影测量技术与短基线集干涉测量技术(SBAS-InSAR)相结合的方法,识别白鹤滩水电站库区及其周边地区的滑坡隐患点,并绘制滑坡图、制定滑坡识别程序。首先运用InSAR技术对白鹤滩库区葫芦口-象鼻岭岸段约300 km 2流域进行大范围识别,共圈定46处疑似滑坡隐患点。然后,选取了其中约50 km 2区域进行基于倾斜摄影测量技术的滑坡隐患识别与精细化查证方法研究。除精细化查证了SBAS-InSAR技术探测到的5处存在形变特征的活动滑坡外,还利用三维实景模型、三维增强显示模型,基于灾害体的形态、微地貌特征,另外识别出了7处当前暂时处于稳定状态、形变迹象不明显的古滑坡体。实验结果经实地查证,该滑坡识别方法准确率较高,可为白鹤滩库区及类似工况地区的地质灾害防治提供重要参考。

西部某水电站库区滑坡涌浪研究

为研究西部某水电站水库蓄水后,王家山滑坡的稳定性及其发生失稳破坏以较高的滑动速度进入库区,其形成的涌浪高度和对附近居民或设施的影响。本文采用潘家铮法和美国土木工程师协会推荐公式,计算王家山滑坡失稳破坏的最大入水速度;采用潘家铮法和中国水科院法等经验公式,估算滑坡涌浪高度。通过对比分析,认为潘家铮法计算结果更为合理,推荐采用潘家铮法预测库岸滑坡失稳破坏产生的涌浪高度。

基于短基线DInSAR的白鹤滩库区蓄水期滑坡隐患广域快速动态识别

白鹤滩水电是国内继三峡水电站之后的第二大水电站,于2021年4月开始蓄水,水位上升约150 m,库区运行期随着水位线的快速变化,改变了库区的地质环境,极易引发突发性的地质灾害。为了保障水电站的正常运行及库区的居民生命财产安全,需要对库区进行快速动态的地质灾害识别。因此,基于短基线DInSAR方法对金沙江流域白鹤滩库区重点库岸段(葫芦口—象鼻岭地段)蓄水期展开了地质灾害隐患识别。通过Sentinel-1A/B数据进行联合监测,将重返周期提高到6 d1景,获取了研究区蓄水期2021年4月至11月共66景数据,结合SRTM DEM数据进行基于同一主影像的DInSAR处理,再将干涉对进行组合分析以达到快速动态的形变监测。最终共识别出92处存在显著形变的强形变区,均分布在金沙江两岸,其中8个强形变区域已被目前最高水位线800 m淹没,38个强形变区域位于水位线附近,部分出现小规模塌岸。同时选取了4个持续形变的区域结合实际地形地貌进行分析,发现形变迹象较为明显,且强形变区域位置与DInSAR方法监测结果相吻合,证明了将DInSAR方法应用于快速动态的发现新隐患点的情况的可行性,进行了蓄水期灾害分析与监测预警对保障白鹤滩水电站的正常蓄水发电具有重要意义。采用该方法进行广域地质灾害高效快速动态监测,在第一时间发现隐患点并进行定性分析,为水库岸蓄水期因水位变化引起的突发性潜在地质灾害的识别提供了一种新思路。