基于大数据挖掘的山区公路沿线滑坡易发性小区划

本文目的是基于滑坡灾害因子地理空间数据、历史滑坡大数据分析,构建山区公路沿线滑坡易发性精细化评价的逻辑回归模型。选取高程、坡度、坡向、坡位、微地貌、曲率、顺逆向坡、归一化植被指数、岩性、距水系距离、距断层距离、距道路距离、多年平均降雨13个因子作为滑坡易发性影响因子,以30 m精度栅格建立影响因子地理空间数据库。在研究区域441个历史滑坡数据的基础上,将地理空间分划分为滑坡区与非滑坡区,分别随机选取70%的滑坡区域与非滑坡区作为训练数据集,剩下的30%作为验证数据集。通过样本数据集的训练,建立逻辑回归分析模型。利用训练好的逻辑回归模型,对整个研究区滑坡易发性进行仿真预测。结果显示,滑坡极低、低、中、高、极高易发区面积分别占42.24%、18.42%、17.57%、16.37%、5.41%,高、极高易发区与历史滑坡位置吻合度高;训练数据集、验证数据集以及区域仿真的ROC曲线AUC值分别为0.89、0.83、0.87,评价模型具有较高的稳定性与可靠性;新近发生的3个典型滑坡均处于高或极高易发区,模型具有良好的预测功能。

基于多源数据的蔡家坝特大型滑坡成因机制研究及稳定性评价

针对2014年8月31日~9月2日云阳县蔡家坝发生的"8·31"特大型滑坡,首先结合历史记录资料、卫星遥感影像、无人机航拍以及现场调查资料等多源数据,初步明确滑坡范围、特征以及赋存环境;综合采用以钻探为主,辅以槽探、井探、物探的方式,开展室内和现场相关试验,探明滑坡区的地层特性、滑带特性以及滑体岩土物理力学性质,对滑坡形成机制进行深入探讨,在此基础上进行了滑坡的稳定性评价。结果表明:(1)蔡家坝滑坡为降雨诱发的特大型多级平推式滑坡,具有多次、多层、逐级后退式演化的变形特点,滑坡堆积层滑动具有推移式特征,岩质滑体具有牵引式特征;(2)滑坡存在4层滑面(带),即土质滑带、浅层岩质滑带、中层岩质滑带和深层岩质滑带,现状滑动变形受控的主导滑带为土质滑带、浅层岩质滑带、中层岩质滑带;(3)滑坡堆积层和滑坡滑动面(带)为现状变形提供了物质条件,前一级滑动后缘拉裂为后一级滑动提供了变形空间,在强降雨诱发下滑坡区大范围发生变形破坏,甚至局部滑动;(4)稳定性计算结果表明,滑坡现状处于基本稳定~稳定状态,受暴雨影响稳定性显著下降,滑坡稳定性普遍下降为欠稳定~基本稳定状态,局部段可能发生失稳滑动。

基于数值试验的山岭隧道围岩稳定性GIS-SVM预测

山岭地区地质条件复杂多变,隧道围岩失稳事故频发,如何实现隧道全程围岩稳定性准确地预测评价意义重大。因此,将数值模拟试验、支持向量机(SVM)和GIS技术相结合,提出一种GIS-SVM联合的隧道全程围岩稳定性可视化预测评价的新方法。首先,在现有研究成果归纳总结基础上,选取包括弹性模量、泊松比等在内的7个围岩稳定性评价指标,通过FLAC^(3D)中强度折减法对评价指标进行模拟,获取SVM训练样本。然后,在样本训练的基础上,建立SVM评价模型。最后,基于GIS平台,将建立的SVM评价模型仿真到重庆市中梁山白市驿隧道,研究区域被划分为很稳定、稳定、较稳定、基本稳定、欠稳定和不稳定6个等级,得到隧道全程的稳定性预测评价图。另外,通过隧道全程穿越各不良地质条件地段的对比分析,验证了预测结果的有效性。研究结果以期为保证山岭隧道全程在施工和运营阶段的安全稳定提供科学依据。