滑坡运动距离预测的统计模型及其改进

滑坡运动距离是评价滑坡致灾范围的一个重要指标,因此其预测方法一直备受关注。该文通过对前人研究现状的深入剖析,发现滑坡势能是影响运动距离的一个重要因素,由此将滑坡分为低位滑坡和高位滑坡。从目前运动距离预测的统计得出低位滑坡的运动距离主要与滑体体积V、滑坡坡角α和滑坡体原始高差H_(s)有关;而高位滑坡的运动距离同时还在很大程度上受沿程地形坡度、滑坡体滑动前后最大高差H等因素的影响。最后以汶川地震诱发的38个沟谷型滑坡-碎屑流为案例,在已有模型的基础上引入H的影响,进而采用origin9.0软件进行多元回归分析得到了同时考虑V、H_(s)、H及地形坡度等多变量的运动距离预测统计模型。通过对比发现改进后的统计模型能有效提高计算精度,这说明在高位滑坡的运动距离预测统计模型中应同时考虑H的影响。该研究将有助于进一步优化滑坡运动距离预测的统计模型,进而为滑坡灾害评估和防治提供可靠依据。

基于GA-BP神经网络的滑坡运动距离预测

滑坡是我国西南地区一种典型的地质灾害,滑坡运动距离预测对于地震滑坡的致灾范围评估具有重要意义。对影响滑坡运动距离的因素进行了主成分分析,结合滑坡运动机理,将提取的3个主成分分别命名为动能因子、坡度因子和阻力因子,以此作为BP神经网络的输入神经元;利用遗传算法的全局搜索功能优化BP神经网络的初始权重和阈值,基于优化后的网络构建滑坡最大垂直运动距离和最大水平运动距离的预测模型;同时在主成分分析的基础上构建多元回归预测模型,并将网络模型与多元回归的预测结果进行对比,结果表明:遗传算法对于BP神经网络的优化效果明显,优化后的BP神经网络模型对于坡脚型滑坡运动距离的预测精确且稳定,最大水平和垂直运动距离预测误差在10%以内的分别占86.67%和93.33%,预测精度优于初始BP神经网络和多元回归预测模型。