基于GIS的淳安县滑坡易发性定量评价

以浙江省面积最大且滑坡灾害最为发育的淳安县为研究域,基于指标因素状态分级和相关性分析结果,选取坡度、水系、交通道路等因素,以全县488处滑坡灾害点为样本数据,依据各因素状态下滑坡发生的频率曲线和信息量曲线的突变点为等级划分的临界值来确定指标因素状态,并在此基础上建立滑坡易发性评价指标体系,结合GIS技术和信息量模型对涥安县滑坡进行了易发性分区。结果表明:研究区可分为低易发区(-4.4≤I<-2.8)、较低易发区(-2.8≤I<-2.0)、中等易发区(-2.0≤I<-0.8)、较高易发区(-0.8≤I<0.8)和高易发区(0.8≤I≤3.4)5个等级;滑坡灾害点主要分布在水系和公路附近;人类工程活动是造成研究区滑坡数量剧增、危害趋于严重的最主要原因;研究区易发性评价精度高达82.21%,说明结合GIS技术和信息量模型不仅能提高滑坡易发性评价的速度,还能保证评价结果的精度。

库水位升降联合降雨作用下白家包滑坡稳定性评价

库水位升降和降雨通过改变三峡库区库岸滑坡岩土体的抗剪强度和应力状态,影响库岸滑坡的稳定性.为探讨白家包滑坡在库水位升降和降雨联合作用下的稳定性变化特征,本文首先根据GPS监测数据定性分析白家包滑坡变形规律,再采用Geo一studio软件计算4种工况下滑坡的稳定性系数,最后采用R/S分析法计算各GPS监测点累积位移的Hurst指数,并将Hurst指数值与Geo一studio数值模拟结果进行对比分析.结果表明：白家包滑坡累积位移曲线呈 “阶跃状” 特征;滑坡稳定性受库水位升降和降雨的综合影响,库水位下降时稳定性系数减小,上升时稳定性系数增大,降雨也能在一定程度上降低滑坡稳定性;175~145m加降雨工况下滑坡最小稳定性系数为1.034,处于欠稳定状态;各监测点Hurst指数均介于0.5~1之间,表明未来滑坡变形将持续加剧,与滑坡变形定性分析及稳定性数值模拟结果一致.

三峡库区麻柳林滑坡变形特征及演化模拟

在库水位波动和降雨作用的共同影响下,库岸滑坡的变形规律往往更为复杂。以三峡库区麻柳林滑坡为例,基于野外调查、钻探编录、深部位移监测以及数值模拟等手段,分析了库水位波动和降雨作用下滑坡变形特征及演化规律。结果表明:麻柳林滑坡在粉质黏土层和块石层交界处发育一个次级滑带,目前该滑坡主要沿次级滑带运动,导致次级滑动的原因与坡体物质的差异性有关;S i(S f)指标分析法揭示滑坡的滑带还未完全破坏,滑坡仍处于蠕变状态;根据三峡水库水位调度规律,将一个完整水文年划分为6个阶段,数值模拟结果表明滑坡在库水位缓慢下降阶段变形速率较小、在快速下降阶段和低水位阶段变形速率持续增大、在快速上升阶段和缓慢上升阶段以及高水位阶段变形速率则保持平稳。其中,降雨的直接影响和降雨导致库水位波动进而对滑坡变形造成的间接影响,使得麻柳林滑坡在低水位阶段的变形显著增加、稳定性最差,应加强该时段内滑坡的监测和预警。

三峡库区四方碑滑坡稳定性与变形趋势预测

三峡水库建成后,库水位周期性涨落和暴雨产生的渗流作用导致大量古滑坡的复活或新滑坡的发生。以库区近水平层状结构的四方碑滑坡为例,依据库水位实际调动,将水位从175 m至145 m不同降速与50年一遇暴雨进行工况组合,计算4种工况下滑坡的稳定性及破坏概率。然后采用Geo-studio软件的Sigma模块对滑坡进行变形模拟,运用R/S分析方法判断滑坡的变形持续性,并结合野外调查情况,综合评价分析四方碑滑坡的稳定性。结果表明:滑坡在各工况下整体均处于基本稳定状态,具有低危险性;变形模拟结果显示滑坡前缘位移最大,与野外调查情况一致;各监测点Hurst指数均介于0.5~1,表明时间序列具有正持续性,在研究的时间限度内滑坡的局部破坏增强,应在汛期加强对滑坡前缘的巡查和预警。

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。

基于时间序列分解和多变量混沌模型的滑坡阶跃式位移预测

三峡库区某些库岸滑坡在强降雨、库水位涨落等诱发因素影响下,其位移时间序列表现出阶跃式变化特征且可能存在混沌特性.但目前常用于滑坡位移预测的混沌模型,均建立在单变量混沌理论的基础之上.且已有的考虑了诱发因素的常规多变量模型,大都采用经验性的方法来选取输入变量;常规多变量模型对滑坡位移序列的非线性特征,及其与诱发因素间的动态响应关系缺乏数学理论上的深入分析.因此,提出一种基于指数平滑法、多变量混沌模型和极限学习机(extreme learing machine,ELM)的滑坡位移组合预测模型.指数平滑多变量混沌ELM模型首先对滑坡累积位移序列的混沌特性进行识别;然后用指数平滑法对累积位移进行预测,得到趋势项位移,并用累积位移减去趋势项位移得到剩余的波动项位移;之后对波动项位移及降雨量、库水位变化量这3个因子进行多变量相空间重构,并用ELM模型对多变量重构后的波动项位移进行预测;最后将预测得到的趋势项和波动项位移值相加,得到最终的累积位移预测值.以三峡库区白水河滑坡ZG93监测点的累积位移作为实例进行分析,并将模型与指数平滑多变量混沌粒子群-支持向量机(PSO-SVM)模型、指数平滑单变量混沌ELM模型作对比.结果表明滑坡位移序列存在混沌特性,模型能有效预测滑坡位移,其预测效果优于对比模型.且本文模型从混沌理论的角度将波动项位移与降雨量、库水位变化量的动态响应关系进行综合分析,更能反映滑坡位移系统演化的物理本质.