基于智能算法优化支持向量机模型的滑坡稳定性预测

影响滑坡稳定性的因素较多,利用滑坡稳定性影响因素快速预测滑坡稳定状态是当前滑坡研究的重要内容。利用相关系数、支持向量机、交叉验证法、遗传算法、粒子群优化算法等理论建立支持向量机模型对滑坡稳定性进行了研究。以湖北竹溪县197个滑坡为例,研究结果表明:遗传算法优化的支持向量机滑坡稳定性预测模型预测效果最好,与实际情况吻合得最好。最佳参数c为3.001 6、g为0.041 008,训练集滑坡稳定性预测的正确率为84%,测试集滑坡稳定性预测的正确率为79.32%。因此所提遗传算法优化的支持向量机滑坡稳定性预测模型对于滑坡稳定性分析具有一定参考价值。     

基于逻辑回归的地震滑坡易发性评价——以汶川地震、鲁甸地震为例

准确评估地震诱发的滑坡风险,并及时绘制滑坡易发风险图是灾害应急救援的科学前提和理论基础。目前机器学习在滑坡敏感性评估中具有广泛应用,但大多数研究缺乏对模型的普适性探讨,且该类预测模型缺乏定量评价地震动参数对模型精度的影响。该文以2008年5月12日的汶川8级地震和2014年8月3日的鲁甸6.5级地震为例,先通过相关系数及方差膨胀因子选择地震滑坡的影响因子构建数据库,并随机按照7∶3的比例分为训练集和测试集,再分析影响因子在滑坡和非滑坡样本中的频数分布,最后分别利用两次地震的训练集建立逻辑回归模型(Logistic Regression, LR)进行精度验证和易发性评估。结果显示模型在同一次地震的测试集下均达到较高的预测精度(>90%);但是基于汶川地震构建的模型对鲁甸地震诱发滑坡的预测精度整体下降了14%。此外,地震动参数(Modified Mercalli Intensity Scale, MMI)对模型预测精度贡献在5%~29%。结果表明基于历史地震事件建立的模型对未来地震引发滑坡的预测中仍具有较大的局限性,需要增加不同地区不同震情的样本量和新的机器学习方法提高预测模型的普适性。     

降雨型滑坡灾害的特征聚合决策树预测模型

为了有效预警降雨型滑坡灾害,以秦巴山区为研究区域,采集并处理大量不同时段降雨数据,构成降雨特征属性。利用Fisher最优分割,对降雨特征属性值进行分段统计,提出特征聚合转换表。使用信息增益和预测反馈筛选影响滑坡灾害的有效降雨特征,为预测模型提供有效数据集。利用特征聚合转换表和有效降雨特征,改进决策树,构建特征聚合决策树预测模型,进而提高预测效率和预测准确率。分析决策树的深度和叶子节点个数,给出决策树的反馈执行度,表明使用特征聚合转换表的决策树更优。比较特征聚合决策树、决策树、朴素贝叶斯和逻辑回归预测模型,结果表明,特征聚合决策树预测模型对降雨型滑坡灾害有更高的预测准确率,且平均预测准确率较高。     

基于突变级数法的滑坡稳定性评价

基于突变级数法,建立了滑坡稳定性评价和预测模型。在相关研究的基础上,建立了滑坡稳定性评价指标的递阶层次结构,以滑带强度、滑面特征、滑坡外形特征及其近期活动等4个内部影响因素,以及暴雨作用、河流作用、滑坡后缘加载、人工活动和地震作用等5个外部影响因素,作为滑坡稳定性识别的判别因子;以22组典型滑坡工程案例作为训练样本,建立了滑坡稳定性评价模型和突变级数判据;然后利用6组典型滑坡工程实际案例作为测试样本,检验了模型的可行性和可靠性。研究表明,突变级数法对滑坡稳定性的识别结果与实际情况吻合,并与系统加权聚类分析法、判别分析法等的识别结果一致。     

基于大数据挖掘的山区公路沿线滑坡易发性小区划

本文目的是基于滑坡灾害因子地理空间数据、历史滑坡大数据分析,构建山区公路沿线滑坡易发性精细化评价的逻辑回归模型。选取高程、坡度、坡向、坡位、微地貌、曲率、顺逆向坡、归一化植被指数、岩性、距水系距离、距断层距离、距道路距离、多年平均降雨13个因子作为滑坡易发性影响因子,以30 m精度栅格建立影响因子地理空间数据库。在研究区域441个历史滑坡数据的基础上,将地理空间分划分为滑坡区与非滑坡区,分别随机选取70%的滑坡区域与非滑坡区作为训练数据集,剩下的30%作为验证数据集。通过样本数据集的训练,建立逻辑回归分析模型。利用训练好的逻辑回归模型,对整个研究区滑坡易发性进行仿真预测。结果显示,滑坡极低、低、中、高、极高易发区面积分别占42.24%、18.42%、17.57%、16.37%、5.41%,高、极高易发区与历史滑坡位置吻合度高;训练数据集、验证数据集以及区域仿真的ROC曲线AUC值分别为0.89、0.83、0.87,评价模型具有较高的稳定性与可靠性;新近发生的3个典型滑坡均处于高或极高易发区,模型具有良好的预测功能。     

采用不同滑面材料的滑坡模型试验研究

为研究滑坡模型试验中不同材料模拟滑带土对模型稳定性的影响,以堆载为试验方法,以位移计为主要的测试手段,进行了采用草木灰、单层塑料薄膜、双层塑料薄膜作为滑面材料的两种工况5组模型试验。通过增加模型上的堆载,增大滑体的下滑力,使滑体最终发生滑动。根据试验的初始稳定状态、最终稳定状态及监测到的模型位移曲线,确定滑坡的极限平衡状态;同时根据最终加载量,反算出滑带土模拟材料的相似抗剪强度;得出不同滑面材料的稳定性及相似抗剪强度,为滑坡支挡模型试验提供试验基础。     

GIS支持下的滑坡空间预测与危险等级划分

以日本早池峰山地域为研究对象,借助航片、TM影像、数字化地图以及各种统计资料和现有专题图等主要数据,利用美国MicroImage公司开发的TNTmips地理信息系统,将数量化理论与地理信息系统紧密结合,对区域滑坡进行了空间预测和危险等级划分.提取并计算了滑坡以及包括坡度、坡向、海拔、坡面倾斜类型、降雨、植被、土壤和地质等8个滑坡影响因子,得到了滑坡及其影响因子的空间分布图.在此基础上,抽取372个样本,应用数量化理论对这些样本进行了分析,建立了区域滑坡预测模型.该模型经研究区域共1296384个样本检验,模型预测精度达80.49%.最后,以滑坡发生概率为基准,对滑坡危险等级进行了划分.     

加卸载响应比理论应用于堆积层滑坡预报

加卸载响应比理论是一种用于研究非线性系统失稳前兆和进行失稳预报的新理论,目前主要用于地震预报方面.对将该理论应用于探索滑坡前兆和滑坡中期预报作了探讨.降雨是影响斜坡稳定性的外部因素中最常变化的因素,也常是滑坡的诱发因素.针对降雨在堆积层滑坡孕育、发生过程中的关键作用,以降雨变化作为加卸载手段,建立了降雨型堆积层滑坡的加卸载响应比预测模型,并以新滩滑坡为例进行了预报.结果表明,文中提出的加卸载响应比方法可作为滑坡预报的手段,且在某些方面它比常规预报方法更具优势.     

滑坡概率在边坡稳定性分析中的应用

应用逻辑回归模型和确定性系数CF建立滑坡概率预测模型,进行边坡稳定性分析,结合赣南离子型稀土矿山42个边坡实例,选取重度、内聚力、内摩擦角、边坡角、孔隙压力比5个影响因子作为输入,边坡状态作为输出,用SPSS软件进行回归分析,获得可信的滑坡概率拟合函数。将预测模型和分析结果反馈到样本数据,样本数据输入值和预测值差值在10%以下的超过95%,说明了预测模型的合理性;准确预测了9个稀土矿山边坡稳定性,说明了预测模型的准确性。     

山区灾害滑坡风险非线性预测研究

传统山区灾害滑坡风险预测方法,对山区滑坡风险进行预测与分析同时,存在预测响应滞后以及预测准确率较低问题。提出山区灾害滑坡风险非线性预测研究方法。基于山区灾害滑坡影响因素,构建非线性斜坡系统,对斜坡单元进行量化分析,完成滑坡非线性动力学模型设计。利用该动力学模型与时间序列的研究,对滑坡形态与时间影响进行综合分析,判定危险滑坡源,对其进行空间相分析,完成山区灾害滑坡风险非线性预测。实验数据表明所提非线性预测方法相比于传统预测方法,响应时间提升96.18%,准确率提升48.95%。     

基于卸加载响应比的滑坡稳定状态评价与划分

为有效评价与预测滑坡的稳定状态,提出基于卸加载响应比参数的滑坡稳定状态划分的新方法.在阐述卸加载响应比理论内涵的基础上,从损伤力学角度探讨并建立了卸加载响应比与损伤变量的相互关系,并进一步通过分析滑坡稳定安全系数与损伤变量之间的相互关系,建立了卸加载响应比与滑坡稳定安全系数的定量关系.参照相关规范和标准,以卸加载响应比值划分了滑坡稳定状态区间.并以新滩滑坡为例,计算所得卸加载响应比所对应的滑坡稳定状态与实际情况相吻合.说明可以用卸加载响应比参数对滑坡稳定状态进行评价,它与滑坡稳定安全系数一样具有理论和实际应用价值.     

基于人工神经元网络的滑坡稳定性预测评价

由于滑坡岩土体的结构与物理力学性质表现在宏观和微观上有着不连续性和高度的非线性等特点,其稳定性受地质因素和工程因素等综合影响,岩土体变形、演化规律的非线性和内在因素的非线性决定了滑坡是一个复杂多变的非线性系统.根据滑坡失稳的非线性特征,将人工神经元网络BP模型应用到滑坡稳定性的评价预测中,借助MATLAB的人工神经元网络工具箱,以国道G324上的86个滑坡数据为训练和预测样本对模型进行了实验和验证,结果表明,所建立的滑坡稳定性预测方法具有较高的预测精度.     

三峡库区沙坝沟滑坡影响因素分析与稳定性评价

在不同工况下,通过采取不同的岩土体物理力学参数来计算沙坝沟滑坡的稳定系数并分析影响因素,得到影响该滑坡稳定性的主要因素为降雨、地下水作用及人类工程活动,在一定条件下可能成为滑坡失稳破坏的诱导因素。最后为滑坡防治提出一些建议,对滑坡的预测和防护提供依据。     

陕南地区土岩接触带滑坡地质灾害预测研究

陕南地区土岩接触带滑坡地质灾害发生频繁且分布广泛,对人们正常生活造成较大影响,因此该文提出基于GIS的陕南地区土岩接触带滑坡地质灾害预测方法。通过划分研究区预测单元,生成土岩接触带斜坡坡度分布图、岩组类型和断层分布图等基础构件,以此建立滑坡地质灾害信息量预测模型,结合信息量模型与GIS技术,对预测出的滑坡地质灾害信息量进行分级,从而得到预测结果,完成陕南地区土岩接触带滑坡地质灾害预测。实例分析结果可知,在研究区坡度在6°～25°之间时,预测发生滑坡灾害比例较高且包括的信息量较多,且滑坡灾害发生前10 d中,第4 d发生降雨,对滑坡灾害影响最大。     

基于GIS的岩溶地区滑坡敏感性评价——以贵州织金县为例

滑坡是喀斯特山区主要的灾害类型。以贵州省织金县为研究区,结合遥感科学和地理信息系统,综合滑坡编目数据,分析织金县的滑坡发生机制,并基于信息论的滑坡信息量模型分析方法,选取主要滑坡因子,包括坡度、坡向、相对高差、地形湿度指数、土地利用/土地覆盖变化(LUCC)、地质地层和公路,在此基础上建立区域滑坡空间预测的信息量模型,利用GIS对单因子滑坡信息量进行计算,再求得各因子的综合信息量并进行风险分级。结果表明,织金县相对稳定区为2 779.0 km2,高风险区共有42处,中风险区共有36处,低风险区共有67处。滑坡与地形的相对高差明显相关,植被也是滑坡稳定性的重要影响因素,研究结果对区域的发展和规划都具有较好的参考意义。     

基于LM-BP神经网络的钢筋混凝土框架结构震害快速预测模型

为了快速对建筑群进行震害预测,构建城乡地震易损性模型,为防灾减灾工程提供依据并助力韧性城乡建设,本文选取位于抗震设防烈度为7度区的某市,把该市已完成的震害预测项目的基础数据和结果作为数据库的样本来源,以框架结构作为研究对象,将层数、层高、楼高、柱面积率等12个易获取且关联度较高的关键数据作为震害影响因子,充分利用了Matlab可视性良好的建模特性及LM算法能够快速拟合的优势,训练了一个基于LM算法的BP神经网络震害预测模型。采用多组数据测试,对单次模拟结果数据进行对比,并通过多次随机选取数据样本建立模型,验证该模型的精度和稳定性。测试结果表明,本文所选取的震害影响因子能够对框架结构的震害预测结果进行准确映射,该方法准确快速高效,可以应用于建筑群的快速震害预测实际工作中。     

基于改进的PSO‑BP神经网络的边坡稳定性研究∗

边坡稳定性研究对于重大地质灾害防治极其重要，但由于影响边坡稳定性的因素具有非线性、多样性以及模糊性等特征，边坡稳定性分析一直是地质灾害防治领域的热难点问题。已有研究表明神经网络预测模型可有效应用边坡稳定性分析，但同时存在预测精度低、鲁棒性差、收敛速度慢等缺点。为改善上述问题，在粒子群算法优化的 BP 神经网络（简称 PSO?BP 神经网络）算法基础上提出一种改进的边坡稳定性预测模型。该模型以容重、内聚力、内摩擦角、边坡角、高度、孔隙压力比作为输入参数，以安全系数作为输出参数。通过借鉴遗传算法中的变异思想来提升模型全局寻优的能力，利用能量函数负梯度下降原理提高模型的收敛速度。将所收集到百余条边坡数据进行数据清洗，最终得到 80 条高质量边坡数据，随机选取其中的 50 条边坡数据作为模型的试验数据。最后采用十折交叉验证的方法对模型的准确性进行验证，并在多维度与其余边坡稳定性神经网络预测模型进行对比分析。结果表明：①该模型相比于其余模型收敛速度、准确率、鲁棒性均有明显提高；②将 K 折交叉验证应用在小样本数据下的边坡稳定性神经网络预测模型，可有效避免结果的偶然性。③该模型的预测误差仅为 4.31%，满足工程精度需求，可在实际工程中为边坡稳定性分析与灾害防治提供参考。     

黄土洞穴发育条件下滑坡土体性质及其稳定性分析

黄土洞穴作为黄土高原区独特的地形地貌,其发生与滑坡特征密切相关,洞穴的发育和演化又受到土性、地层结构等因素影响。本文通过野外调查,在黄土洞穴群诱发的黄土滑坡上选择典型剖面进行室内外实验,分析了黄土洞穴发育条件下滑坡土体的物理力学性质,运用数值模拟探究了黄土洞穴对边坡稳定性影响。研究结果表明:1)北郭村滑坡洞穴区域土体的容重、抗剪强度大于非黄土洞穴区域,孔隙率小于非黄土洞穴区域;滑带土容重最大,孔隙率最小,抗剪强度最低。滑坡发生不久,滑坡体土为扰动土,各项土体参数尚不稳定;洞穴区域土体沉积时间久,土体性质稳定;滑带土各项土体参数与前两者相差较大。2)研究区饱和导水率为0.2mm/min-1.3mm/min,滑坡后缘(洞穴区域)土体渗透系数小于滑坡体土(非洞穴区域)的渗透系数,孔隙率是影响入渗的主要因素;在滑坡后缘,黄土洞穴的渗透系数小于农田,有机质是影响入渗的主要因素。3)北郭村滑坡自然状态下稳定系数为0.7936,属于不稳定状态;洞穴状态下稳定系数0.7291,洞穴的存在降低了边坡的稳定性。     

基于TRIGRS与Scoops3D耦合模型的潜在滑坡稳定性时空动态预测

中巴公路是全球气候变化最为敏感和复杂的地区之一,沿线滑坡灾害十分发育,快速准确地预测公路沿线滑坡时空分布情况对中巴经济走廊建设具有重大意义。本研究选取中巴公路沿线加格洛特-哈维连段作为研究区段,将TRIGRS模型中的降雨入渗模型与考虑斜坡体三维几何特征的Scoops3D斜坡稳定性分析模型进行耦合,动态识别研究区潜在滑坡分布,分析了潜在滑坡的时空分布及动态变化,并对比分析了一维TRIGRS模型与三维耦合模型的预测结果。结果表明：研究区潜在滑坡对降雨条件响应明显,降雨1 h潜在滑坡面积占比(18.44%)约为天然状态下(4.13%)的4.5倍;随时间延续潜在滑坡分布范围逐渐增大,主要分布在加格洛特-吉拉斯段与瑟津-达比尔段;一维TRIGRS模型存在过度预测问题,三维耦合模型显示了更符合实际的滑坡预测结果。相关研究成果可为中巴经济走廊防灾减灾提供理论支撑。     

基于Bayes判别分析法的冲击地压预测与危险性分级

基于Bayes判别分析法,研究了冲击地压的预测与危险性分级问题。综合考虑冲击地压发生的自然因素、地质因素和开采技术因素,选择煤层厚度、倾角、埋深、地质构造情况、煤层倾角变化、厚度变化、瓦斯浓度、顶板管理、采前卸压情况和响煤炮声等10个参数作为判别因子;将冲击地压危险性等级分为微、弱、中和强4个级别,并作为Bayes判别分析的4个正态总体;选用现场实测的20组数据作为训练样本建立了Bayes线性判别函数和后验概率函数,以Bayes线性函数值和样本出现的总体的后验概率对样本所归属的总体进行识别;将建立的模型对训练样本进行回判,以回代误判率对模型进行检验;选用15组现场实测数据作为测试样本,以检验模型的可行性和可靠性。研究表明:冲击地压Bayes判别分析模型的回代误判率为0,对测试样本的识别正确率为93.33%,且与Fisher判别分析法的识别结果一致。