基于改进两步法采样策略和卷积神经网络的崩塌易发性评价

机器学习在崩塌滑坡泥石流地质灾害易发性分析评价领域已得到广泛的研究性应用,非灾害样本的选取是易发性建模过程中的关键问题,传统随机抽样和手工标注方法可能存在随机性和主观性。将土质崩塌易发性评价视为正例无标记(positive and unlabeled,简称PU)学习,提出了一种结合信息量(information value,简称IV)和间谍技术(Spy)的两步卷积神经网络(convolutional neural networks,简称CNN)框架(ISpy-CNN)。以广州市黄埔区崩塌编录和15类基础环境因子,通过信息量模型筛选出部分低信息量样本;采用间谍技术训练CNN模型,从低信息量样本中识别出具有高置信度的可靠负例划分为非崩塌样本;分别基于该学习框架、传统间谍技术和随机抽样,使用支持向量机(support vector machine,简称SVM)和随机森林(random forest,简称RF)对比验证。结果表明,ISpy-CNN框架在验证集上的准确率、F1值、敏感度和特异度较随机采样分别提升了6.82%,6.82%,6.82%,8.23%,较传统Spy技术分别提升了2.86%,2.89%,2.86%,2.31%;PU学习中第2步采用CNN模型的预测精度高于RF和SVM模型;与传统Spy技术相比,增加相同数量训练样本,ISpy-CNN框架筛选的样本集表现出较高的稳定性、预测精度和增长率。本研究提出的ISpy-CNN框架能更好地辅助选取高质量非灾害样本,且崩塌易发性分区结果更符合实际的崩塌空间分布。

基于贡献率模型的崩塌易发性评价--以广州市白云区为例

[目的]根据地质灾害野外普查空间数据库,分析花岗岩风化残积土发育地区崩塌形成机理和破坏模式,探究不同环境孕灾因子对崩塌发育的贡献率,评估崩塌灾害空间易发性与分布规律,为中国东南沿海地质灾害多发区的灾害防治工作提供科学支持。[方法]在分析广州市白云区花岗岩风化残积土崩塌发育特征的基础上,选取高程、坡度、坡向、地形起伏度、距地表水体距离、降雨量、地层岩性、土地利用类型共8个与崩塌灾害发育密切关联的致灾因子构建崩塌灾害易发性评价指标体系,叠加研究区内404个历史崩塌数据,依据贡献率模型计算统计各指标因子崩塌灾害敏感性和空间分布特征。采用各二级指标因子贡献率的修正样本差确定因子权重。[结果](1)研究区内坡度、高程和地形起伏度对崩塌易发性贡献程度较高,坡向、地层岩性、降雨量在崩塌灾害易发性评价中贡献程度较低。(2)极高易发区主要集中在丘陵西麓,崩塌易发性由山地线范围外层边缘向中心逐级降低。(3)崩塌极高易发区和高易发区崩塌比率占总崩塌比率超过85%,模型易发性评价成功率和预测率分别达到91.3%和92.6%。[结论]斜坡地形地貌因子对崩塌发育影响较显著,基于贡献率的崩塌灾害易发性评价模型能够客观量化指标因子权重,模型预测评价结果精度较高,易发性区划符合实际崩塌发育空间分布特征。

竖井工法开挖深基坑对下卧既有隧道上浮变形的控制

基坑开挖卸荷会改变地应力平衡状态,位于基坑正下方的地铁隧道会随基底一定深度范围内土层回弹而发生上浮变形。结合深圳地铁11号线正上方某采用竖井工法开挖的基坑工程为例,通过建立三维有限元模型分析下卧地铁隧道随竖井开挖过程的变形规律及竖井工法保护机制。结果表明:基坑开挖对下卧地铁隧道竖向卸荷作用显著,采用竖井工法能有效减缓隧道上浮趋势,减小最终上浮量;隧道纵向变形呈双峰形态,纵向变形曲率半径未超过规定值;隧道横截面随开挖过程而发生两侧拱腰压缩、拱顶与拱底之间拉伸的变形趋势,附加弯矩随开挖卸载率增大而逐渐减小,最大附加弯矩位于拱顶附近;竖井工法能减小基底土层的扰动程度,有效抑制基底土体以及隧道围土塑性区发展深度和面积,从而有效控制下卧地铁隧道的隆起量。

水泥土搅拌桩加固软土地基施工质量控制

在处理饱和软黏土地基时,水泥土搅拌桩加固技术效果较成熟,应用较广泛。本文结合南沙地区采用水泥土搅拌桩加固珠江三角洲滨海冲积平原饱和淤泥软土的工程实例,介绍了水泥土搅拌桩的质量影响因素、施工工艺、参数设计等关键环节,对完善水泥土搅拌桩的参数设计、现场管理、质量控制等具有一定的借鉴作用。