基于SSA-Adam-BP神经网络模型的堰塞坝稳定性预测

现有的堰塞坝稳定性预测模型多为线性模型,无法充分考虑堰塞坝稳定性与其形态特征和水域条件之间的复杂非线性关系。鉴于此,结合反向传播神经网络模型和樽海鞘优化算法,提出了一种新型的堰塞坝稳定性预测模型SSA-Adam-BP。该模型通过网格搜索法选取确定模型结构的最佳超参数组合,进而利用交叉验证和绘制ROC曲线的方式分别对采用不同优化算法的模型进行评估。使用开源数据库中的全球153例堰塞坝数据对模型的实际应用进行了说明及验证。与传统线性模型的对比表明神经网络模型预测准确率较高,具有较低的误报率。将SSA与Adam优化算法结合提高了BP模型的全局搜索能力,其平均交叉验证准确率达到了91.73%,能够使用较少的参数实现对堰塞坝稳定性快速准确的预测。SSA-Adam-BP模型对近年来典型工程的稳定性能够准确预测,具有一定的实用性和系统平台推广应用价值。

河床结构对堰塞坝稳定性的影响研究

崩塌滑坡等地质灾害可能在河流上形成堰塞坝。堰塞坝的稳定性决定其溃决风险,因而关系到下游众多人口的生命财产安全。本文通过在四川"5.12"震区大量的野外考察与实测工作,分析了堰塞坝泄洪道中河床结构对堰塞坝稳定性的影响。经统计发现,震区堰塞坝的泄洪道中常常发育一定的河床结构,使得结构强度Sp值上升,抵御水流侵蚀,改变了河流纵剖面等地貌特征。堰塞坝的保留坝高比与Sp值有明显的正相关关系。而粗颗粒成分比重较大的堰塞坝,形成的河床结构强度Sp值也往往较大。因此,可以根据坝体级配近似推测河床结构的发育,进而得出保存比例,并以此来评价堰塞坝稳定性。

崩滑碎屑体堵江成坝研究综述与展望

堰塞坝是由崩塌、滑坡、泥石流等斜坡失稳体堵塞河流而形成的天然坝体。中国是堰塞坝的高发区,在作者团队所统计的全世界范围内堰塞坝案例中,发生在中国的高达758例,占比59%。近年来,频发的地质构造活动和极端气候灾害(台风、暴雨、融雪等)诱发了大量的堰塞坝,严重威胁所在流域的生命财产安全。崩滑碎屑体堵江形成的堰塞坝通常结构松散、稳定性差、溃决程度大、溃决速度快,容易形成巨型洪灾,对下游生命财产造成更大危害。本文首先简要总结了一般堰塞坝堵江研究与崩滑型堰塞坝成坝特点,然后归纳了崩滑碎屑体运动及破碎机理和碎屑体堵江成坝机理,重点关注成坝过程中的颗粒分选和堆积形态规律。在此基础上,明确颗粒破碎和水流条件对坝体形态特征、物质组成和稳定性作用的研究较少。经过本文初步研究,得出崩滑碎屑体堵江通常有3种成坝模式:滑入型、爬高型和折返型,不同类型堰塞坝的稳定性具有显著差异。堰塞坝的稳定性与坝体关键特征参数(几何形态、坝体结构和物质组成)密切相关,而坝体特征参数又主要由崩滑体在运移过程中碰撞破碎和入河堵江时的固液耦合作用共同决定。考虑上述两种因素,结合物源性质、边坡地形、河谷及水流条件,拟开展成坝影响因素与堰塞坝的空间形态、结构特征及稳定性的内在关系研究,以便建立基于坝体稳定性快速评价的坝体特征预测模型。研究的开展可为堰塞坝形成前坝体特征的事先预测及堰塞坝形成后坝体稳定性的快速评估等方面的研究与实践提供重要理论依据。