基于Eclat算法的八字门滑坡变形因素关联性分析

针对滑坡监测数据库数据量大,进行关联规则分析需要多次扫描数据库导致运行时间长的问题,将Eclat关联规则算法引入滑坡监测数据挖掘中,通过K-means聚类法和Eclat算法对八字门滑坡的变形进行了分析。通过综合研究,选择了降雨量监测值和库水位监测值中的6种因素进行数据挖掘分析。分别挖掘了3种降雨因子和3种库水位因子与八字门滑坡多测点位移的关联性,并从八字门滑坡时空监测大数据挖掘出的全部关联规则中选择8个具有较高的置信水平的关联规则进行分析,发现降雨和库水位因素影响八字门滑坡运动的有效信息。结果表明,这种数据挖掘方法及其在监测数据研究中的高精度,有望广泛应用于库区堆积滑坡的数据分析和预测。

堆积层滑坡的地下水加卸载动力作用规律及其位移动力学预测--以三峡库区八字门滑坡分析为例

在系统分析水诱发堆积层滑坡位移与失稳动因与机制的基础上,深入研究并总结地下水在堆积层滑坡稳定性演化过程中的动力作用与动力响应规律和特点,发现水诱发堆积层滑坡的位移与失稳直接受地下水位变化量控制,且其位移规律与地下水位变化量存在对应关系。根据上述分析结论并运用加卸载响应比理论的基本原理,首次提出以月地下水位的变化量作为堆积层滑坡的加卸载参数,以相应月边坡位移速率或位移加速度作为其加卸载响应参数,并以此为基础建立和确定地下水位加卸载响应比位移动力学参数与位移动力学预测模型。同时,以三峡库区典型堆积层滑坡——八字门滑坡分析为例,运用地下水位加卸载响应比预测模型对该边坡的关键监测部位进行研究,并使用SZK1和SZK4监测点数据进行加卸载响应比计算,发现其加卸载响应比时序曲线变化规律与其稳定性动态演化规律相吻合。研究结果表明,可以运用地下水位加卸载响应比动力学模型对该类滑坡进行位移动力学预测预报。

长江三峡区八字门滑坡稳定性分析与评价

在研究了三峡库区秭归县八字门滑坡的工程地质条件及滑坡体基本特征的基础上,介绍了该滑坡的结构及变形特征,从滑坡形成条件和诱发变形因素两方面分析了滑坡形成的原因及诱发坡体失稳的主要因素.在不同工况下及地震作用下对滑坡体进行稳定性计算,结果表明,在库水位变化和暴雨情况下滑坡处于不稳定状态,极有可能复活.

降雨及库水位联合作用下秭归八字门滑坡稳定性预测

针对三峡库区库水位调控方案和极端降雨情况,对秭归县八字门滑坡稳定性分析设置了10种计算工况,采用SEEP/W软件模拟该滑坡在降雨入渗及库水位联合作用下的暂态渗流场,并利用SLOPE/W软件,将暂态孔隙水压力分布用于该滑坡的极限平衡分析中,确定不同工况下(不同降雨强度)的滑坡稳定性系数,据此采用降雨量对该滑坡进行失稳预测。研究认为:150 mm/d以上的降雨量对该滑坡影响较大,降雨入渗具有滞后性;在相同的降雨量情况下,1 d的降雨强度比5 d的连续降雨对滑坡体的稳定性影响更明显;在水位从175 m降至145 m的过程中,临界雨量为100 mm/d时,滑坡就可能失稳;水位从145 m升至175 m的过程中和175 mm稳定水位时,当临界雨量为200 mm/d时,滑坡才可能失稳,即水位骤降过程中滑坡失稳概率大。不同工况下的滑坡土体含水率分析结果表明,降雨影响的主要是上部土体,下部土体含水率受控于地下水位,即降雨更容易引起浅层滑坡与局部滑坡。

基于影响因子的GM(1,1)-BP模型在八字门滑坡变形预测中的应用

滑坡的预测预报是世界性难题,特别是如何把外界影响因素定量计入到滑坡中长期预报模型中。在滑坡中长期预报模型适用性分析的基础上,提出了基于影响因子的GM(1,1)-BP模型,该模型能考虑库水位、降雨等外界影响因素。以三峡库区八字门滑坡为例,在八字门滑坡工程地质条件的基础上,通过对位移、库水位、降雨等监测资料的分析,系统研究了八字门滑坡的变形特征、影响因素和变形破坏模式。在确定八字门滑坡影响因子的基础上,分别采用本文模型、GM(1,1)模型和不考虑影响因子的BP神经网络对滑坡位移进行了预测研究,发现本文模型预测精度较高。

三峡库区靠椅状土质滑坡变形规律及机理--以秭归八字门滑坡为例

三峡水库蓄水以来,不少滑坡监测位移-时间曲线呈阶跃变化,导致稳定状态识别难度较大,严重影响滑坡预警预报,靠椅状土质滑坡尤为明显。以八字门滑坡为例,通过多次野外地质调查、长期现场巡查、10多年的GPS位移监测数据、2年多全自动监测数据等,较深入研究了该滑坡在库水涨落及降雨条件下的变形规律。结果表明,库水位下降期间,特别是库水位下降15m以后,由160m下降至145m,滑坡体变形存在20d左右的滞后,滑坡变形曲线出现突跃,日位移量达1.5~2.2mm。一次降雨量在80mm以上会明显诱发坡体加速。库水位上升期间,库水位在175m左右时,月位移量出现5~10mm负值。一次降雨量在150mm左右未能诱发坡体加速;但一次降雨量在200mm以上,滑坡体位移速度明显加大。滑坡体在降雨量诱发后,位移加速后在降雨结束后持续5~7d恢复正常水平。在周期性降雨和库水位涨落的循环作用下,滑坡体反复受到"推-拉"作用,导致滑坡的位移-时间曲线呈阶跃特征。靠椅状土质滑坡为一类特殊的滑坡,库水位升降是八字门滑坡目前变形的主要因素,而降雨对滑坡变形起到了促进作用。受靠椅状等坡体结构特征制约,在库水位升降作用下坡体会反复变形,但难以发生快速的整体破坏。

基于一元线性回归模型八字门滑坡累积位移预测

我国滑坡灾害发生频繁,但滑坡的变形预测预报一直是难题,因此每年都因滑坡的变形破坏导致重大的人员伤亡和财产损失。以三峡库区八字门滑坡为研究对象,基于十多年的监测数据分析,研究分析了该滑坡的变形特征:八字门滑坡变形的主要影响因素为降雨和库水位下降,并且累积位移曲线具有“阶跃型”的变形特征。当外界因素去除或者减小的情况下,累积位移-时间曲线将变得平稳。根据此特性,选取每年变形曲线“阶跃段”(6~8月份)的监测数据,以累积位移为目标函数,基于一元线性回归模型,对八字门滑坡2004年到2017年同期的滑坡监测数据进行分析。结果表明:一元线性回归模型能够很好地模拟八字门滑坡“阶跃段”的变形过程,此变形阶段累积位移与时间呈线性关系,直线斜率基本相同。根据此线性关系,对滑坡的累积位移进行了预测,结果表明与实际监测数据相比较,预测误差在±5 mm以内,相对误差在1%以下,精度可以满足滑坡监测预警要求,可以为八字门滑坡的防治工作提供参考。

考虑降雨滞后效应的八字门滑坡位移预测研究

降雨是诱发滑坡变形的重要因素且具有一定的滞后性,已是滑坡研究领域的共识,在滑坡位移预测中考虑降雨滞后效应,可以提高预测的可靠度。本研究以八字门滑坡为例,从滑坡变形特征和监测数据出发,选择日降雨量作为解释变量,滑坡日位移作为被解释变量,建立分布滞后模型,确定了降雨响应位移的滞后期为12天,并估算滑坡日位移,结果表明分布滞后模型能够基本反映滑坡位移变化趋势和突变点,但精度不理想。故将滞后期内的降雨以累积降雨量的形式予以考虑作为位移影响因素之一,并纳入库水位变化速率和滑坡自身位移因素,采用位移预测组合模型—灰色神经网络模型对八字门滑坡的日位移进行预测,结果表明此模型能够准确预测出八字门滑坡日位移突变点及变化趋势,预测值和实际值平均绝对百分比误差11.98%,预测精度88.02%,最大偏差2 mm。考虑降雨滞后效应的灰色神经网络预测模型丰富了滑坡位移预测理论,可为八字门滑坡的预警预报提供理论支持,也可为此类堆积体滑坡的科学监测和防治提供建议。

库水位下降对八字门滑坡稳定性分析

库水位的下降速率是诱导滑坡产生的重要因素,研究库水位与滑坡稳定性之间的关系,可以有效地减少滑坡灾害的发生.根据对八字门滑坡的地质调查,通过Geo-Studio软件提供的Seep/W和Slope/W模块对库水位下降速度对滑坡稳定性的影响分析,研究了两种不同的工况下库水位以0.6 m/d、0.8 m/d、1.0 m/d、1.2 m/d不同的速率从159 m下降到145 m对孔隙水压力和滑坡稳定性系数的变化.发现在同一工况下,滑坡库水位下降速率越大,孔隙水压力变化越明显,滑坡体稳定系数越低,库水位以1.2 m/d下降的速率下降时,稳定系数从初始的1.036下降到0.944,同一工况不同下降速率日降幅为0.6 m/d,八字门滑坡处于欠稳定状态,日降幅为1.2 m/d,八字门滑坡处于不稳定状态,当库水位日降幅为1.2 m/d叠加50年一遇暴雨,滑坡产生大面积滑移.控制水库水位下降速率和检测降雨量,分析八字门滑坡后期的滑坡位移变形,可以有效地给滑坡区周围的居民提供安全预警.

库水位变化条件下八字门滑坡渗流稳定性分析

在系统分析水库型滑坡的失稳机制与动因的基础上,深入研究了水库型滑坡在渗透系数k与库水位波动速率v动力作用下的稳定性演化规律,发现滑坡的稳定性状态受k,v因素的影响和控制.故将耦合参数k/v作为影响滑坡渗流稳定的主要参数,探讨了不同k/v工况下滑坡渗流场稳定性的演化规律,结果表明:相同数量级的渗透系数和同一水位条件下,库水位上升阶段滑坡稳定性系数与k/v呈负相关关系;库水位下降阶段则呈正相关关系.

动水作用下靠椅状土质滑坡变形机理及阈值初探——以三峡库区八字门滑坡为例

靠椅状土质滑坡的演化时间久远,滑坡本身较为稳定,但在水库蓄水影响下,这类滑坡的监测变形曲线每年都出现了位移"阶跃",严重影响了滑坡的预警预报。以三峡库区典型靠椅状土质滑坡——八字门滑坡为例,结合多年的现场调查、15 a的监测数据,对靠椅状土质滑坡的变形机理进行了分析总结,并从阈值的角度对滑坡的响应规律开展了定量化分析。结果表明:①这类滑坡的变形特点直接影响了滑坡的统计分析。②通过对全自动监测数据的定量化分析,得到了这类滑坡受库水位下降速率影响而启动的阈值为:阶段Ⅰ,0.2 m/d并持续20 d左右;阶段Ⅱ,0.4 m/d并持续30 d左右。

八字门滑坡加卸载响应规律与稳定性预测方法研究

当今滑坡灾害不断发生,水库型滑坡占有很大的比例,因此研究水库型滑坡的稳定性预测方法很重要。本文以八字门滑坡为例,结合加卸载响应比理论,确定出水库水位变化为该类滑坡的致灾因素,建立以水库水位作为加卸载参数、坡体位移量为响应参数的加卸载响应比模型,并通过有限元模拟软件Geostudio进行模拟,将模拟结果与坡体实际监测点(ZG110、ZG111)监测数据进行对比分析。最终计算结果表明:本文所建立的水库型滑坡加卸载响应比计算结果与稳定性系数呈现为负相关关系,以期可为今后的相似边坡工程稳定性预测方法提供合理的借鉴。

八字门滑坡渗流稳定影响因素的敏感性分析

为了研究库水位下降速率与渗透系数对边坡渗流稳定的影响规律,运用Geostudio2012数值模拟软件和敏感性系数法,以八字门滑坡为研究对象,将库水位下降速率与坡体的渗透系数作为边坡渗流稳定的重要影响因素进行边坡的稳定性模拟和敏感性分析,确定了库水位下降速率与渗透系数对边坡渗流稳定的控制作用大小。结果表明:八字门滑坡的渗流稳定对库水位下降速率的变化更为敏感。

逻辑回归优化的静—动态耦合模型在滑坡位移预测中的应用

滑坡位移的准确预测是滑坡预警系统的重要组成部分。本研究提出一种基于逻辑回归优化的静—动态耦合滑坡位移预测模型,以应对滑坡演化的动态特性体现在传统静态预测模型中的不足。以八字门滑坡为案例进行研究,首先采用移动平均法将累积位移分解为趋势项和周期项两个部分,随后采用静态机器学习算法——支持向量回归(SVR)和动态机器学习算法——长短期记忆神经网络(LSTM)来预测滑坡位移;其次,通过引入逻辑回归分类算法(LR),在原输入因子的基础上进行筛选,对SVR模型和LSTM模型的预测结果进行分类计算;最后,通过逻辑回归模型的输出,更新静动态耦合模型的结果,得到优化的SVR-LSTM滑坡位移预测模型。结果显示,优化后的模型相较于SVR模型和LSTM模型,其RMSE和MAPE分别降低了5.93 mm、0.28%和0.71 mm、0.03%。集成模型融合了静态(SVR)和动态(LSTM)模型的优势,其预测性能优于单一的SVR模型和LSTM模型。本研究为滑坡位移预测模型提供了一种新思路,可以为三峡库区的地质灾害预测提供参考。

基于FEEMD-GRU-FC模型的滑坡位移预测

水库库区滑坡同时受到降雨和水库水位周期性变化的影响,这会干扰滑坡位移预测模型在该类区域的预测性能。为此,提出了一种针对环境周期性变化特点的FEEMD-GRU-FC(Fast Ensemble Empirical Mode Decomposition-Gated Recurrent Unit-Fully Connected Layer)滑坡位移预测模型。该模型充分考虑位移数据不同频率之间的噪声影响,将位移分解为不同频率的子序列分别预测,采用PCC(Pearson Correlation Coefficient)方法选择影响较大的外部环境因素,添加全连接层完善GRU模型提取环境数据中周期性变化特征的能力,模型结合三峡库区八字门滑坡的实际数据进行模拟仿真,使用不同预测模型和评价指标进行多角度对比验证。实验结果表明:所提模型在八字门滑坡的预测效果要优于其他3种模型,其拟合度达到了98.6%,3种不同误差指标均为最低,证明了该模型可以准确预测库区滑坡位移。研究成果可为防灾减灾工作提供指导。

基于时间序列与时间卷积网络的滑坡位移预测

滑坡位移预测作为滑坡监测预警的重要组成部分,对滑坡灾害的防治具有重要意义。目前,滑坡位移预测大多集中在循环架构的神经网络模型上,其存在梯度爆炸、消失问题等问题。为此,提出了一种基于时间序列与时间卷积网络(time convolution network,TCN)的滑坡位移预测模型。首先,该模型通过移动平均法将滑坡位移分解为趋势项位移和周期项位移。其次,采用Holt线性趋势模型预测趋势项位移,并建立时间卷积网络预测周期项位移。最后,将趋势项位移和周期项位移叠加,实现滑坡位移的预测。将该模型用于八字门滑坡的观测研究,结果表明:该模型相较于循环架构的神经网络模型能更有效地提取时序特征,预测精度更高。将基于TCN的滑坡位移预测模型应用于滑坡位移预测具有广阔的应用前景。

基于滑坡累积位移的滑坡体危险状态分析

针对单体滑坡危险状态分析不全面的问题,提出了一种基于滑坡累积位移的滑坡体危险状态多角度分析方法。首先,利用极限位移准则确定滑坡所处预警阶段;其次,利用尖点突变理论对滑坡稳定状态进行评价;再次,采用重标极差分析确定滑坡体的发展趋势;然后,建立模糊矩阵确定滑坡体危险状态,但由于单个检测点无法准确反映滑坡整体危险状态,故采用多个监测点综合判断滑坡整体危险状态;最后,将该方法应用于八字门滑坡,验证其有效性。结果表明该方法能够有效地判断滑坡局部及整体的危险状态。

基于R/S分析方法的渐进式滑坡位移预测研究

渐进式滑坡由于其位移-时间曲线不规则而无法准确判断其趋势位移和随机位处变形阶段,导致很难预测其失稳破坏的时间。为此,提出了RS分析方法,将滑坡总位移分解为趋势位移和随机位移两部分,然后分别采用神经网络模型和多项式拟合对两种位移进行预测,最后将两部分预测位移加起来预测其总位移。以典型渐进式滑坡———八字门滑坡为例,对前述模型进行验证,并将其预测结果与GM(1,1)模型预测结果进行对比。研究结果表明本模型预测的结果误差小于2%,而GM(1,1)模型预测结果误差接近40%,说明该模型更适合预测渐进式滑坡的位移。

加卸载响应比理论在水库型滑坡时间预测预报中的应用研究

加卸载响应比理论在滑坡时间预测预报中的应用越来越广泛,但基本都以降雨型堆积层滑坡为研究对象,加卸载参数以降雨量、地下水水位为主,而对于水库型滑坡研究较少。为此,提出了一种以库水位为加卸载参数,以滑坡加速度为加卸载响应参数的预测模型,并以典型水库型滑坡——八字门滑坡为例对其准确性进行验证。研究结果表明,以库水位为加卸载参数的加卸载响应比理论预测模型能较准确地对水库型滑坡进行预测预报。

三峡库区“阶跃”型滑坡变形机理与预警模型

自2003年蓄水以来,三峡库区已查明的滑坡或潜在滑坡高达5000余处,这些灾害对三峡水库的持续运营、大坝、航道及库区居民的安全造成了严重的威胁。通过研究滑坡的变形特征、诱发因素及失稳机制,有助于开展滑坡的稳定性评价,并构建预警预报模型。以三峡库区八字门滑坡为研究对象,综合分析降雨、库水位、人工和自动GNSS监测等数据,结合勘查资料及野外宏观巡查,研究了滑坡的变形特征及失稳机理,并确定合理的预警判据及阈值。研究表明:(1)八字门滑坡整体变形明显,处于蠕动变形阶段,滑坡变形主要集中于每年5—9月,滑坡累积曲线呈现典型的“阶跃”状变形特性。(2)滑坡的变形受斜坡结构、岩性等因素的控制,水库水位下降是滑坡变形的主要驱动因素,并与库水下降速率正相关。另外,特大暴雨和持续降雨在水位下降阶段、水库低水位运行期及水位上升期会促进滑坡变形,是滑坡的次要驱动因素。(3)通过精细化数据分析以及改进切线角法获取的八字门滑坡出现“阶跃”变形的位移速率阈值为4.6 mm/d,7 d累积降雨量阈值为60 mm,库水位阈值为159 m,库水位下降速率阈值0.4 m/d。