滑坡监测数据处理预报软件研究及应用

滑坡监测数据处理预报软件系统集滑坡监测资料数据库及滑坡失稳预报模型为一体，它包括一个主控程序和８个主要功能模块；４个层次的滑坡失稳预报模型（变形阶段判别，中长期预测，短期预报，临滑综合判断）和３个变形阶段（初始变形，匀速变形，加速变形）。经滑坡实例验证，预报精度较高。该系统是进行滑坡监测数据管理与处理的实用软件。

基于影响因子分析的滑坡位移预测模型研究

将滑坡的影响因素引入到滑坡的位移预测模型中,从滑坡的位移动态变化特征和响应组成组分研究入手,将滑坡的位移分解为趋势项、周期项、脉动项和随机项,针对每一项进行研究,分别选取合适的影响因子变量和函数关系来模拟,并将各项耦合在一起得到位移的初步预测模型。通过对监测数据进行非线性多元统计回归分析,得到位移的最终预测模型。以长江三峡库区的新滩滑坡为实例,通过验证研究,发现将滑坡的影响因子引入滑坡的预测预报模型中的思路是有效可行的,而且可以明显地改善预测预报的时间尺度。

滑坡实时跟踪预报概论

滑坡时间预报是一项世界性的难题。迄今为止,还没有形成一套系统、完善和成熟的理论方法体系。文章以斜坡的变形破坏机制分析为基础,从滑坡预报的基本问题入手,将处理复杂性问题行之有效的非线性科学理论和灰色系统理论引入滑坡预报中,提出了"滑坡实时跟踪预报"的学术思想。文章概括和总结了滑坡预报的研究现状,阐述了滑坡实时跟踪预报的学术思想,建立了滑坡实时跟踪预报的技术方法体系,研制和开发了滑坡实时跟踪预报软件系统(SIPS),并以发生在长江西陵峡的新滩滑坡为例,简要介绍了SIPS软件的应用。

滑坡非线性灰色预测及其软件设计

在深入分析非线性灰色模型基本原理的基础上，开发了滑坡发生时间的非线性灰色预测软件，并通过实例验证了本模型用于预测滑坡发生时间的适用性以及本软件的可靠性。

诱发地震主震发生时间的非线性灰色预测及其软件系统

在深入分析非线性灰色模型基本原理的基础上， 开发了诱发地震主震发生时间的预测软件，

内蒙古新达来草原覆盖区钼铜多金属成矿预测

内蒙古新达来草原覆盖区位于西伯利亚板块东南大陆边缘晚古生代陆缘增生带,属古亚洲成矿域的二连—东乌旗铜钼铁晚古生代—中生代成矿带的一部分,找矿潜力巨大。该区被牧草和第四系大面积覆盖,基岩出露较差,找矿工作相对滞后。通过研究该地区区域成矿地质背景和典型矿床地质特征,分析控矿因素与找矿标志,构建综合信息预测模型,提取地质、地球化学、地球物理、遥感等找矿信息,借助GIS技术进行覆盖层"揭盖"和对找矿信息进行提取,以Geo DAS矿产预测软件为平台,运用多重分形滤波技术区分复杂背景与异常,提取矿化弱异常,应用模糊证据权法进行信息综合集成,形成预测后验概率图,圈定找矿远景区并进行验证,探索内蒙古草原覆盖区内生金属矿床勘查与预测评价新途径。

基于地表监测数据和非线性时间序列组合模型的滑坡位移预测

针对滑坡位移–时间曲线的非线性特征和以往预测模型的不足,提出基于地表监测数据和非线性时间序列分析的组合模型预测滑坡位移。以新滩滑坡和三舟溪滑坡为例,通过对位移、降雨、库水位等资料的分析,研究滑坡的变形特征及影响因素。在利用逆序法和小波分析检验滑坡位移的趋势特征和周期特征的基础上,采用非线性组合模型进行预测,包括利用多项式拟合并预测趋势项位移;用一种基于小波分析的三角函数法(WA-TF)对周期项位移进行预测;遗传算法优化选参的BP神经网络(GA-BP)对波动项位移进行预测。最终将各位移分量累加得到滑坡的累积位移预测值,并与监测值进行对比分析。结果表明非线性组合模型的预测精度高且具有较好的通用性,为滑坡位移定量预测提供了一种可行的思路。

不同环境因子联接和预测模型的滑坡易发性建模不确定性

拟深入探讨滑坡与其环境因子间的非线性联接计算以及不同数据驱动模型等因素,对滑坡易发性预测建模不确定性的影响规律.以江西省瑞金市为例共获取370处滑坡和10种环境因子,通过概率统计(probability statistics,PS)、频率比(frequency ratio,FR)、信息量(information value,IV)、熵指数(index of entropy,IOE)和证据权(weight of evidence,WOE)等5种联接方法分别耦合逻辑回归(logistic regression,LR)、BP神经网络(BP neural networks,BPNN)、支持向量机(support vector machines,SVM)和随机森林(random forest,RF)模型共构建出20种耦合模型,同时构建无联接方法直接将原始数据作为输入变量的4种单独LR、BPNN、SVM和RF模型,预测出总计24种工况下的滑坡易发性;最后分别使用ROC曲线、均值、标准差和差异显著性等指标分析上述24种工况下易发性结果的不确定性.结果表明:(1)基于WOE的耦合模型预测滑坡易发性的平均精度最高且不确定性较低,基于PS的耦合模型预测精度最低且不确定性最高,基于FR、IV和IOE的耦合模型介于两者之间;(2)单独数据驱动模型易发性预测精度略低于耦合模型,且未能计算出环境因子各子区间对滑坡发育的影响规律,但其建模效率高于耦合模型;(3)RF模型预测精度最高且不确定性较低,其次分别为SVM、BPNN和LR模型.总之WOE是更优秀的联接法且RF模型预测性能最优,WOE-RF模型预测的滑坡易发性不确定性较低且更符合实际滑坡概率分布特征.