Deformation of the Zhangjiazhuang high-speed railway tunnel: an analysis of causal mechanisms using geomorphological surveys and D-InSAR monitoring

On 18 January 2016,the Zhangjiazhuang high-speed railway tunnel in Ledu,Qinghai Province,China,underwent serious deformation and structural damage.A crack formed at the top of the tunnel and the concrete on the crown peeled off.As a result,the tunnel could not be operated for three months.In order to determine the types and spatial distribution of the landslides in the region and the surface deformation characteristics associated with the tunnel deformation,we used field geological and geomorphological surveys,unmanned aerial vehicle image interpretation and differential interferometric synthetic aperture radar(D-In SAR) surface deformation monitoring.Nine ancient and old landslides were identified and analysed in the study area.Surface deformation monitoring and investigation of buildings in several villages on the slope front showed that the tunnel deformation was not related to deep-seated gravitational slope deformation.However,surface deformation monitoring revealed an active NEE–SWW fault in the area intersecting the tunnel at the location of the tunnel rupture.This constitutes a plausible mechanism for the deformation of the tunnel.Our study highlights the need for detailed engineering geomorphological investigations to better predict the occurrence of tunnel deformation events in the future.

青海高家湾地区地表变形特征分析与潜在滑坡识别

利用StaMPS PS-InSAR技术,使用覆盖青海省海东市乐都区高家湾村地区2015年6月至2018年4月的128轨道所有可用Sentinel-1A数据,对已知和潜在滑坡进行识别研究,并使用时序分析技术对所识别的PS点进行筛选分类,研究滑坡分布与演化过程。对该地区所探测主滑坡在雷达视线方向最大年均形变量达到-9 mm/a,主滑坡体在2016年发生较大幅度滑动后,呈现趋稳态势;经实地勘调,初步给出了滑坡成因分析。

青海省高家湾滑坡的形成条件分析及稳定性评价

[目的]评价青海省高家湾滑坡稳定性,为其灾害防治提供一定指导。[方法]在对高家湾滑坡基本特征分析基础上,先开展其形成条件研究;其次,利用传递系数法和瑞典圆弧法实现其稳定性现状评价,并进一步采用长短时记忆神经网络构建其变形预测模型,实现其稳定性预测评价。结合稳定现状评价结果,实现其稳定性的综合研究。[结果]高家湾滑坡具有滑坡形成的基本条件,且具有复合多期巨型规模特征,对其防治应具有综合性;同时,滑坡现状处于稳定状态,但局部次级滑坡存在失稳可能,且在不利工况条件下,稳定性将会进一步减弱;另外,据变形预测研究结果,得出其平均相对误差均小于2%,进而验证了本文优化LSTM模型的有效性,且通过外推预测,得出高家湾滑坡变形仍将继续增加,且无收敛迹象。[结论]高家湾滑坡稳定性还会进一步减弱,趋于不利方向发展,应尽快采取必要措施切实保证滑坡稳定。

湖北省随州市南部“古城畈群”的再研究

本文依据原古城畈群中采集到的牙形石化石,建立了两个地层单位,即立秋湾组和高家湾组。前者主要由原古城畈群下部的泥质板岩、变玄武岩和少量灰岩透镜体组成,含少量常见于寒武纪的介形类化石,时代归属中—上寒武世,后者之上部是泥质岩和火山岩;下部是条纹状灰岩,灰岩中产出牙形石,计有18属26种。如:Paroistodus cf.numarcuasus,P.proteus, Paltodus cf.deltifer,Triangulodus proteus,Acodus cf.deltodus,Drepanodus arcu-atus等。这些化石可与宜昌地区红花园下部及分乡组上部的牙形石化石带对比。相当于北大西洋生物分区阿仑尼格阶下部的Paroistodus带和特马豆克阶上部的Paltodus deltifer带。其时代归属于奥陶纪。

结合TRIGRS模型的黄土滑坡危险性评价粒子滤波数据同化方法

滑坡灾害对国家基础设施工程产生了严重的威胁,开展工程区域滑坡灾害危险性评价对于铁路运行安全至关重要。滑坡危险性评价通常可以概括为频率分析法、概率分析法以及确定性分析法,其中基于降雨入渗-积水机制角度建立物理确定性模型可以获得更为客观的评价结果,具有良好的适用性,但其通常需要大量的岩土参数参与计算,易受岩土参数的时空变异性以及不确定性等因素影响,存在一定的局限性。为进一步提升滑坡危险性评价的预测精度,本文以高家湾滑坡为研究区,基于粒子滤波算法,利用SBAS-InSAR观测数据对TRIGRS模型中的安全系数(Fs)进行同化,同时更新模型的内摩擦角参数。结果表明:同化后高家湾滑坡的安全系数呈现出逐渐降低的趋势,且坡体前缘的安全系数明显低于坡体后缘,与当前观测更为接近;实现了内摩擦角参数的实时更新,使参数逐渐向观测值方向修正;模型的均方根偏差从0.17降低至0.04,使模型预测结果与实际观测更为接近。因此,基于粒子滤波同化方法的滑坡危险性评价可以更准确地体现当前滑坡的实际情况,具有更高的预测精度。