Identify Landslide Precursors from Time Series InSAR Results

Landslides cause huge human and economic losses globally.Detecting landslide precursors is crucial for disaster prevention.The small baseline subset interferometric synthetic-aperture radar(SBAS-InSAR)has been a popular method for detecting landslide precursors.However,non-monotonic displacements in SBAS-InSAR results are pervasive,making it challenging to single out true landslide signals.By exploiting time series displacements derived by SBAS-InSAR,we proposed a method to identify moving landslides.The method calculates two indices(global/local change index)to rank monotonicity of the time series from the derived displacements.Using two thresholds of the proposed indices,more than 96%of background noises in displacement results can be removed.We also found that landslides on the east and west slopes are easier to detect than other slope aspects for the Sentinel-1 images.By repressing background noises,this method can serve as a convenient tool to detect landslide precursors in mountainous areas.

基于时序InSAR技术的响滩村滑坡形变特征分析

本文以四川省南充市仪陇县响滩村的山体滑坡为研究对象,采用前后2021年1月12日至2021年9月21日(共21景)Sentinel-1A的SAR影像数据,利用SBAS-InSAR技术获取了该滑坡年均形变速率和累积形变量等信息,根据获取的形变信息及光学影像特征对该区域滑坡范围进行了重新圈定,圈定了A、B、C三个次级滑坡区域,结合实地调查综合分析滑坡时空演变,3-4月份由于降雨冲刷,坡体开始缓慢形变,遇人为扰动后A区在6月中旬滑动,滑动后A区周界裂缝形成,一方面为B区的滑动创造了条件,随着时间的发展,降雨持续,最终带动B区在6月下旬-7月加速滑动,8月份降雨量陡然增加,A区、B区滑动加剧,拉裂了后缘坡面,并伴着局部坡面溜塌;C区较其他四个滑坡区活动性整体偏弱,根据时序曲线特征可知,C区形变时序与其他滑坡区没有明显的时间关系,因此推测C区为独立的滑动。结合降雨量数据可知,降雨对于响滩村滑坡活动有着直接而明显的影响,一般来说,降雨持续时间越长、强度越大,坡体出现形变加速的可能性越高。该研究结果表明时序InSAR技术对滑坡的早期识别预警、形变演化具有良好的监测效果,具有十分广阔的应用前景。

基于LSSVM-ARMA模型的基坑变形时间序列预测

如何准确预测和控制基坑变形是基坑工程的一个难点,提出了一种基于小波变换、粒子群优化的最小二乘支持向量机(PSO-LSSVM)和自回归移动平均模型(ARMA)的基坑变形时间序列预测方法。首先,利用小波变换将基坑变形时间序列分解和重构为2个子序列——趋势时间序列和随机时间序列,在该基础上,采用PSO-LSSVM模型与ARMA模型分别预测趋势时间序列与随机时间序列未来值,将2个子序列的预测值求和作为最终预测结果。最后,将该方法应用于昆明某基坑工程的深层水平位移预测,不断地利用前期工况的最新实测数据建模,对后期工况未来变形量进行滚动预测,获得了令人满意的结果。

基于非平稳时间序列分析的滑坡变形预测

滑坡的位移监测资料通常可用来预测滑坡的变形发展趋势,位移的发展反映了滑坡的变形过程。为了预测在现有条件持续情况下的滑坡变形趋势,将滑坡位移监测数据视为非平稳时间序列,应用时间序列分析方法,建立了滑坡变形趋势的预测模型。以三峡库区秭归县白水河滑坡为例,通过对变形预警区监测点位移实测时间序列的分析,取监测点ZG93和XD-04为代表,建立了时间序列预测模型,从第17个月开始向前做6步预测,分析预测曲线与实测曲线之间的关系,并计算预测误差,结果显示除个别数据点之外,预测误差均在±9%以内,曲线吻合较好,说明所建模型效果良好,从而为判断白水河滑坡未来的变形发展趋势提供了可靠的理论依据。

滑坡时间预报的非平稳时间序列方法研究

本文基于边坡变形破坏的特点，对位移观测数据进行统计分析，利用非平稳时间序列理论就位移观测值建立模型进而作出预报。通过实例验证，该理论方法在边坡变形破坏时间预报中是有效可行的。

变形观测数据时间序列建模中的几个问题

针对在变形观测数据时间序列建模中所遇到的问题,对变形观测数据时间序列建模中的数据预处理、模型选择、模型定阶与系统稳定性检验等问题进行了研究,提出了分析数据趋势项提取的AR模型方法,编写了C语言计算程序,实现了样条函数插值方法、周期项提取的差值法,建立ARMA分析模型,对变形预测数据与实际观测数据进行了比较。结果表明:该方法的正确性以及时间序列分析方法在变形数据处理与分析中的适用性与可行性。

基于H-P滤波法、ARIMA和VAR模型的库区滑坡位移综合预测

受库水位涨落及降雨等影响,库区滑坡位移表现出明显的周期性。基于位移时间序列分析,将滑坡监测位移分解为趋势项与周期项之和。趋势项反映滑坡变形的长期趋势,其主要受滑坡本身地质结构等因素影响。周期项反映滑坡变形的波动性,其主要受外部因素影响。以三峡库区巫山塔坪滑坡为例,考虑长江水位与降雨量影响,采用H-P滤波法从滑坡位移中分解出趋势项及周期项,利用差分自回归滑动平均模型(ARIMA)对趋势项进行平稳处理并计算趋势项预测值,利用向量自回归模型(VAR)计算周期项预测值。趋势项预测值与周期项预测值之和为滑坡位移预测值。与实际监测值及多种方法分析比较,表明综合预测所得结果能较好反映滑坡变形的趋势性和波动性,位移预测效果较好。

滑坡预测的非线性混沌模型

根据滑坡位移时间序列的非线性性质,应用混沌时间序列预测方法,建立滑坡预测的非线性混沌模型。在此基础上,介绍了加权一阶局域算法,并用这种算法对清江茅坪滑坡实际位移监测数据进行预测计算。结果表明,这种建立在非线性混沌模型基础上的方法不仅预测精度高,而且计算量小,相对容易操作,从而为滑坡位移提供了一种新的预测方法。

基于PSO-LSSVM模型的基坑变形时间序列预测

现场量测获得的基坑变形资料蕴含了系统内部力学演化信息。针对基坑变形影响因素的复杂性、监测数据的高度非线性以及人工神经网络方法的过学习问题,利用粒子群(PSO)算法优选最小二乘支持向量机(LSSVM)参数,并结合相空间重构理论进行数据预处理,提出了一种基于PSO-LSSVM模型的基坑变形时间序列预测方法。利用该方法建立基坑变形预测模型应用于动态设计和信息化施工,对保证基坑安全具有重要意义。将该方法用于昆明某基坑工程的深层水平位移预测,不断利用基坑前期工况的最新实测数据建模,对后期工况变形量进行滚动预测,获得了令人满意的效果。

多元非平稳时间序列分析的滑坡变形预测研究

目前滑坡变形预测的时间序列模型为单变量模型,仅考虑时间-位移关系,未能考虑诱发因素对滑坡位移的影响,因此,建立多变量的时间序列模型十分必要。应用多元非平稳时间序列分析方法,建立了滑坡变形趋势的误差修正模型(ECM),实现了滑坡诱发因素和位移动态变化的综合分析。以三峡库区秭归县白水河滑坡为例,取监测点ZG93为代表,建立了基于多元时间序列分析的误差修正预测模型,并计算预测误差,结果显示,除个别数据点之外,预测误差均在±2.3%以内。

基于时间序列InSAR技术的川东红层滑坡识别及变形规律

针对川东红层滑坡典型易发区域,采用小基线集( SBAS)时间序列的 InSAR( interferometry synthetic aperture radar)方法进行了解译,并采用 Google Earth 可视化展示,有效圈定并复核了潜在隐患区域。提取了采矿引起斜坡失稳及牛马场滑坡的变形位移曲线,揭示了其变形规律。研究结果表明:解译区滑坡基本都发育在形变速率较大的黄色欠稳定和红色不稳定区域,区域形变位移值大小与滑坡发育比例成正比关系,35%的解译面积滑坡发育比率可以达到 70%以上。同时通过野外调查发现 4 个潜在不稳定隐患斜坡,极大地提高了红层滑坡的早期识别能力。InSAR解译显示研究区西北区由采矿引起的斜坡失稳,与干涉图上的条纹位置对应较为一致,形变位移最大能达到视线向 20 mm/a;牛马场滑坡范围均为垂直形变速率较大的黄色和红色解译点,变形位移曲线显示滑坡发生前已经处于蠕变变形阶段,累计变形量可以达到 500 mm 左右。

基于小波分析与LSSVM的滑坡变形预测

从时频分析角度出发,探讨利用小波分析与LSSVM模型作滑坡变形预测。其步骤为利用小波变换把变形时间序列分解成具有不同频率特征的分量,再对重构后的近似序列和细节序列分别利用LSSVM进行预测并将结果融合。实例结果表明,基于小波分析与LSSVM的滑坡变形预测方法预测精度高于GM(1,1)、AR和单一的LSSVM方法。

基于差异进化支持向量机的基坑变形时间序列预测

现场量测获得的基坑变形信息蕴涵了系统内部力学演化的信息。针对监测数据的高度非线性以及人工神经元网络方法过学习问题,用差异进化算法优化支持向量机的参数,提出了一种新的预测基坑变形的差异进化支持向量机方法。避免了人为选择参数的盲目性,提高了预测模型的训练速度和预测推广能力。利用这种非线性的智能预测方法,基于监测数据滚动预测基坑变形,可以及时优化和调整施工方案,为基坑施工控制奠定基础。将该方法用于漳州市污水处理厂的基坑变形预测,获得了令人满意的预测效果。

基于时间序列的虚拟接触力的建模方法研究

为了同时提高力觉再现系统中力觉模型的实时性和精度,提出了一种基于时间序列的虚拟力预测算法用于改进弹簧质点接触力 /变形模型.该模型不仅研究力与变形的关系,而且还考虑力的历史变化.对不同的接触对象,测量接触力随时间的变化,根据实际测量数据,建立AR模型,在物理模型计算的时间间隔内用AR模型预测虚拟力.实验结果表明, 和以往仅考虑力与变形关系的力 /变形物理模型相比,加入时间序列预测的模型,能提高力觉再现的刷新频率,同时保证较高的精度.

陕西泾阳南塬杏园滑坡InSAR监测分析

合成孔径雷达是近20年发展起来的一种空间对地观测技术,目前已被广泛应用于获取地表信息及地表形变。针对黄土滑坡空间尺度小、突发性强的特点,以陕西泾河南塬杏园滑坡为例,研究分析了In SAR进行黄土滑坡的特殊处理措施。自1976年以后,泾阳南塬开始大面积漫灌,地下水位不断上升,滑坡频繁发生。采用高分辨率Terra SAR数据以及小基线集In SAR技术进行了实例分析。结果不仅获得与工程勘察结果一致性强的滑坡空间分布参数,而且还获得了滑坡形变的空间分布和时间发育特征,成功探测出该滑坡的启动时间节点。滑前时间序列不但对滑坡机理分析非常重要,而且对类似滑坡的评估和预警也至关重要。

变形监测数据的时间序列分析

基于统计分析软件SAS的辅助,详细阐述时间序列建模分析的步骤,并结合某一具体工程的变形监测数据建立一个有效的线性模型来拟合该动态序列的发展。实例证明,采用时间序列分析方法建立的模型,其拟合效果较高。5期预测误差绝对值均在0.2 mm以内。最后提出将物理意义与数理统计相结合进行时序分析更有利于模型的建立等一些有益的建议。

基于进化SVM的洞室位移非线性时间序列智能分析

考虑地下工程的复杂性和洞室围岩变形的非线性特点,提出了一种利用遗传算法优化支持向量机参数的进化支持向量机围岩位移时间序列预测方法。该方法不但克服了神经网络的过学习问题,也解决了支持向量机的参数选取问题。基于该方法,结合数据库技术建立洞室位移变形非线性时间序列计算机智能分析系统。将该系统用于水布垭电站地下厂房交通洞监测位移分析,获得满意的预测精度。

基于时间序列的深基坑支护结构变形预测

基坑工程由于受多种因素的影响,目前已成为岩土工程中的重点和难点。在基坑施工过程中,需要根据现场的实际工程地质条件及选择的支护型式、建筑物的安全等级,对支护结构的变形进行严格控制。时间序列分析主要是指采用参数模型对所观测到的有序的随机数据进行分析与处理的一种数据处理方法。通过现场量测的深基坑围护结构变形信息资料,对数据进行整理和分析,利用时间序列分析法对支护结构的变形作出预测,以保证基坑安全施工。

偏压荷载下地铁隧道变形特征及预测研究

以某市地铁区间隧道为研究对象,使用FLAC3D软件模拟分析了桥梁基础下浅埋暗挖法施工过程中,地铁隧道周边土体的变形和衬砌应力分布情况;同时建立了隧道拱顶沉降值的时间序列模型,并预测了拱顶沉降的变化趋势。结果表明:由于上部桥梁基础偏压和土体强度较低的影响,在开挖完成后隧道的右侧地层出现了较大的变形;同时在隧道初次衬砌两侧边墙的中部也出现了较大的应力值,对于这些隧道部位可采用锚杆注浆加固或采用钢支撑进行加强支护,以确保施工过程安全可靠;另一方面,基于ARMA模型的时间序列分析法可以较好地模拟隧道结构的复杂变形,为科学分析隧道变形特点和较准确地预测变形进行了有益的探索。

基于时序分析的边坡变形预报与变形行为特征

把数理统计软件Eviews引入岩土工程领域,对东明矿J2边坡监测点高程监测数据分别建立双对数模型、指数模型、线性模型、三阶多项式模型进行回归分析,找出物理量随时间变化的规律,然后通过相关统计学及力学假设,依托现有实测工程数据,建立时序模型并优化之,将经典ARMA模型推广到ARIMA模型,提高了拟合和预测精度;依据所建模型给出位移预报曲线,并探讨了边坡变形行为特征,对揭示边坡系统变形规律,选取最优防护体系具有指导意义,为工程数据分析和数值模拟提供了新思路.