GPS在山区滑坡变形监测中的应用

山区滑坡的稳定性一直是倍受关注的一个重要安全问题。本文讨论了滑坡位移传统监测方法的缺陷和新型的基于GPS的自动监测技术所具有的独特优势,介绍了适用于山区公路滑坡位移监测的高精度的GPS技术。实践表明,采用GPS技术进行山区滑坡的稳定性监测,具有可操作性更强、精度更高、不受气候条件约束以及高度自动化等优点,能够为预测边坡可能出现失稳破坏的部位和变形破坏时间提供更可靠的监测资料,因而GPS监测技术值得在山区滑坡的变形监测领域中推广使用。     

基于一维黏塑性运动模型的大型慢速滑坡变形预测研究

慢速滑坡变形缓慢，持续时间长，在世界范围内分布广泛，具有隐蔽性强和突发性高等特点，给人类的生存与发展带来了巨大的威胁与危害，并且有数量众多的大型慢速滑坡经过长期缓慢变形后演化成高速滑坡，造成了不可估量的损失。依托金龙山大型慢速滑坡丰富的监测资料，考虑黏性力对于慢速滑坡变形的作用，基于无限边坡模型和宾汉姆模型建立一维黏塑性运动模型，从雨季和旱季2个典型研究时段对滑坡的变形进行了定量预测。研究结果表明：(1)模型计算得到的变形模拟数据与其监测数据一致性均较好，其中雨季和旱季累计位移的相关性系数高达0.994 1和0.997 9,变化趋势高度一致；(2)预测时段金龙山滑坡雨季和旱季累计位移的相对误差均在1%左右，其中雨季累计位移最终预测值相对误差为1.48%,旱季累计位移最终预测值相对误差为0.86%,模型预测精度较高；(3)模型的模拟结果较好地反映了慢速滑坡变形的季节波动性，其中旱季的模拟结果要优于雨季。一维黏塑性运动模型强调慢速滑坡变形过程中的力学作用过程，实现了大型慢速滑坡变形的定量预测，相关研究成果可以为大型慢速滑坡变形的预测及评价和工程防灾减灾提供科学参考和依据。     

基于最优权重联合模型的滑坡位移预测研究

在对联合预测模型的权重研究基础上,依托沪瑞高速公路贵州段晴隆滑坡的监测资料,首先建立了该滑坡位移预测的3个非线性预测模型:支持向量机模型、指数平滑模型、GM(1,1)模型;根据各模型训练结果,然后引入准确性矩阵,得到各单模型的权重,建立多模型联合预测模型,解决多模型预测结果取舍和可靠性评判问题。将联合模型与各单一模型的预测结果对比分析得出:联合模型的预测精度高于任何单一模型的预测精度。因此,运用最优权重联合模型能有效地提高滑坡预测预报精度。     

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。     

蠕变－样条联合模型及其在滑坡时间预报中的应用

根据滑坡演化的一般规律并考虑到外动力因素对斜坡变形破坏的影响，提出了一种蠕变与样条的联合模型。通过新滩滑坡和链子崖危岩体的实例分析，采用蠕变－样条联合模型进行滑坡位移数据分析和临滑时间预报。初步研究表明，联合模型与其它模型相比具有使用方便和精度高等优点     

时变参数模型用于滑坡位移量预测的研究

滑坡的位移量发展受地质条件、气候环境以及人类活动等多种因素的影响,变化复杂,通常难以用固定参数的数学模型准确表达。时变参数模型的模型参数随时间变化,能够描述更为复杂的函数关系。将时变参数模型应用于滑坡位移量预测,通过对比发现,时变参数模型有望提高滑坡位移量的预测精度。     

基于机器学习方法的浙江省台风灾害风险评估和动态风险预报

利用机器学习方法建立以区县为基本研究单元的浙江省台风灾害风险评估模型，并进一步结合气象预报与实测数据形成覆盖全省、时空连续的台风过程动态风险预报，为科学应急减灾提供决策支持。首先，本研究以浙江省各区县为研究对象，考虑危险性、孕灾环境、暴露性和脆弱性等风险要素选择台风灾害风险评估模型的预测变量；其次，基于10个重大历史灾害的灾损数据(直接经济损失)划分风险等级作为输出变量；最后，采用机器学习模型XGBoost建立台风灾害风险评估模型。同时，以利奇马为例，进一步探索该模型的实战应用潜力，即以气象预报和实测数据为模型驱动，实现浙江省全域各区县台风灾害风险的实时更新预报。     

基于多层感知器模型的区域滑坡敏感性评价研究——以四川低山丘陵区为例

以四川省低山丘陵区为研究区,基于滑坡编目数据,在深入分析研究区滑坡孕灾环境的基础上,选取坡度、地形起伏度、岩土类型和断裂构造等八类孕灾环境因子。通过融合确定性系数和多层感知器,提出CF-MLP模型,并对研究区滑坡的敏感性进行评价,计算得到的滑坡敏感性指数在ROC曲线中的线下面积为0.84,说明该模型预测结果对滑坡具有较好的识别作用;基于模型预测结果对研究区进行敏感性区划,共分为高敏感性、中敏感性和低敏感性三个区域,与历史滑坡的分布现状相一致。实践证明,CF-MLP模型在一定程度上解决了滑坡孕灾环境因子数据的合理量化问题,提高了多层感知器网络的收敛效果,有利于建立更为准确的滑坡敏感性分析模型。     

基于灰色理论和神经网络的边坡位移预测

边坡位移的发展受地质条件、天气环境和人类活动等众多因素的影响，变化趋势复杂，很难建立一个准确的经典数学模型对其进行全面的描述。为了得到边坡位移较准确的估计，采用多模型信息融合技术对边坡位移进行了预测。首先，将边坡这类影响因素复杂的系统看成是一个灰色系统，分别采用GM（1，1）模型、Verhulst模型和DGM（2，1）模型对位移值进行预测。其次，考虑到神经网络的高速并行计算能力和类似人类思维活动的处理机制，利用神经网络的办法对不同的灰色预测模型进行组合，生成灰色神经网络模型，该模型有效地将灰色理论弱化数据序列波动性的优点和神经网络特有的非线性适用性信息处理能力相融合，通过反复训练、学习，自动调节，可以得出各模型在组合模型中的合理权重，从而输出满意的结果。通过对比发现，利用组合灰色神经网络模型预测的位移值，比单独的灰色模型预测的位移值具有更高的精度。     

基于混合高斯隐马尔科夫模型的滑坡发生时间预报北大核心CSCD

滑坡发生时间预报在防灾减灾工作中非常重要,准确的预报能够有效预防灾害发生可能造成的灾难性结果。为解决当前滑坡预报中仅仅实现对滑坡位移等相关参数的预测和估计,而未最终计算出滑坡发生时间的问题,提出采用混合高斯隐马尔科夫模型(MOG‐HMM)建立滑坡发生时间预报模型,即对滑坡灾害演化过程全周期数据利用混合高斯算法计算出宏观信息预报判据,与隐马尔科夫模型中的状态相匹配,建立滑坡演化状态模型,该模型能够反映全周期数据的多个状态,当需要对实时采集的位移数据进行时间预报时,首先利用解码算法对当前数据解码,即计算出其属于滑坡的哪个状态,然后利用Dijkstra最优路径规划算法,计算出从当前状态到达滑坡发生状态的时间,实现滑坡发生时间预报。通过对新滩滑坡和卧龙寺滑坡灾害全周期数据进行仿真验证,结果表明,本文方法能够比较准确地计算出滑坡发生的时间,同时利用评价指标对预报的结果进行测试,符合预报指标精度要求。     

基于集成学习的结构地震动响应预测方法研究∗

为获取建筑结构在地震过程中的位移响应，解决结构主动控制中的时滞问题，使用集成学习方法预测结构位移响应。提出了一套适用于结构地震动响应预测的集成学习模型，使用不同的神经网络和损失函数组合作为基学习器，在此基础上使用全连接网络构建二级学习器，得到最终预测模型。模型使用双向地震动加速度和结构位移响应作为输入，预测短期的结构位移响应；结构位移响应可实现多步预测，进行动态化输出。将该框架应用于某钢框架结构，进行数值实验，结果表明，集成后的模型预测结果要优于单一模型的预测结果，所有模型都表现出预测误差随着预测时间的增加而增加的规律。模型的预测随着地震过程在同步进行，当模型预测值第一次达到某一阈值时，则将预测结果反馈到主动控制系统中，提前进行结构振动控制，而不必等待位移传感器采集到真实的响应数据，从而减小甚至避免主动控制中时滞问题的影响。     

基于遥感数据的闽东南山区公路滑坡快速识别技术研究

传统的滑坡识别主要通过遥感目视解译和人机交互识别，存在耗时费力、主观性强和提取精度低等问题。文中以福建省某公路为实验区，提出了一种基于高分辨率遥感数据的闽东南山区公路滑坡快速识别方法。包括采用亚米级高分辨率遥感影像，通过对色调、地形、光谱、植被指数和纹理等滑坡特征进行分析与研究，确立了适用于东南山区公路的多维多尺度滑坡分类识别规则；借助机器学习算法分类工具与多维多尺度特征筛选集相结合构建了公路滑坡识别模型，并基于高分辨率遥感影像在色调尺度上对滑坡进行初步识别；最后经由坡度、归一化植被指数和纹理特征筛选集对初步识别的滑坡区域进一步的分割提取，从而对山区公路滑坡空间分布实行精准识别。经实验验证，文中方法所得滑坡识别的平均精度达到85.73%,且滑体提取形态特征完整，可清晰地展现出滑体的“舌”、“簸箕”状形态，亦可清晰辨别滑体的滑壁与堆积体。研究成果可为我国植被发育区的山区交通线路的滑坡识别与风险评估提供科学参考。     

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。     

滑坡位移动态预测——以中里滑坡为例

本文以中里滑坡为例，从时间序列分析的方法入手，介绍如何在灰色预测模型的基础上建立改进的灰色预测模型一等维灰数递补动态预测模型及其在滑坡位移预测中的应用。实践表明，该模型在中里滑坡的应用中取得了良好的效果。     

最优加权组合模型在滑坡变形预测中的应用

根据最优加权组合理论，以某滑坡的变形监测资料为例，在建立Verhulst模型和趋势曲线预测模型的基础上，建立了滑坡变形的最优加权组合模型。对各模型的预测精度进行了分析比较，结果表明，组合模型的预测精度高于任何单一模型的预测精度，采用该组合模型是提高滑坡变形预测精度的有效方法。     

滑坡灾害危险性评价模型比较

通过对庆元地区滑坡灾害的详细研究，比较讨论了单变量评价、决策树评价与逻辑回归法等3种滑坡危险性评价模型在实际应用中的效果。单变量模型最为简单，计算方便，得到的结果也具有较高的准确性，当收集到的滑坡因素越多，对滑坡发育的刻画越精确，则最终评价结果也越可信；决策树算法能迅速从大量样本中归纳出一般规则，并具有较高的精度，但其结果也受到训练样本数量大小和样本维数即参与评价的因素集数量的影响；逻辑回归模型具有计算方法简单、评价结果物理意义明确等突出优点，但需要有大量样本数据的支持才能取得较好的效果。     

融合多源异构数据的滑坡变形阶段智能判识方法

针对滑坡体不同变形阶段的监测数据样本不均衡，样本扩充量的限定研究较少以及判识模型准确率较低等现实问题，该文提出了一种少数类样本全局扩充量测算方法以及将分类结果混淆矩阵与GSA相结合的基于遗传的多分类样本合成方法MCGSA,可避免产生大量的合成样本，且有效解决了样本不均衡问题；其次借助堆栈泛化思想以及具有较强知识挖掘能力的机器学习模型，结合滑坡体的多源异构监测数据，构建了基于stacking的滑坡变形阶段智能判识模型；最后将该模型应用在多个滑坡隐患点上进行现场实验测试，并进行了对比实验分析，分析结果显示该判识模型的准确率可达89%,F1宏平均值达到了74%。模型的判识结果可为区域内滑坡隐患点的预警信息发布提供辅助决策。     

基于机器学习方法的上海市暴雨内涝灾情预测模型研究

本文基于区域灾害系统理论,综合考虑致灾因子、暴露度和脆弱性,提出了一套暴雨内涝灾情预测指标体系;在此基础上利用上海市应急联动中心110接报暴雨内涝灾情数据,构建了暴雨内涝灾情预测BP模型(Back Propagation Model)和XGBoost模型(Extreme Gradient Boosting Model),并对比分析了预测模型效果,实现对上海市暴雨过程内涝灾情数量预测;最后对内涝灾情影响等级进行阈值划分,以期为暴雨内涝影响预报与风险预警业务、服务及灾害管理提供技术支撑。结果表明:1)综合考虑致灾因子、暴露度、脆弱性指标且不经主成分分析降维的指标组合作为暴雨内涝灾情预测指标体系时,BP模型和XGBoost模型的预测精度最优;2)全量样本XGBoost模型总体表现最优,暴雨内涝灾情的右偏分布和内涝灾情的异常高值均对XGBoost模型预测误差有不同程度的贡献;3)综合评价法在历史灾情百分位法和模拟灾情百分位法基础上,结合多年业务实践经验和用户对于110灾情的处置承受力对暴雨内涝灾情进行阈值划分,在实际应用中具有一定参考意义。     

滑坡变形突变异常的小波识别方法

准确地判别滑坡的变形演化阶段,特别是对进入加速变形阶段突变点的识别,对及时捕捉滑坡前兆,尽早开展滑坡预警报和进行工程处理都具有十分重要的意义。将小波的多分辨分析与突变点识别原理相结合,依据滑坡的累积位移监测资料,结合3类典型滑坡(光滑型、阶跃型和振荡型)实例对滑坡进入加速变形阶段的突变点进行了识别研究。研究结果发现,滑坡在进入加速变形阶段时,其累积位移监测信号在4个连续尺度上分解重构后的细节信号的幅值均存在着明显的突变特征,而且4个尺度的突变特征均具有较好的一致性。据此特征,即可较为准确地识别滑坡进入加速变形阶段的突变点。     

铜川铝厂滑坡动态特征及趋势预测

滑坡的监测预报是目前滑坡研究的重要课题之一,国内外虽有成功的预报,但大多以宏观预测为主。本文对铜川市铝厂滑坡监测结果进行了分析研究,初步对滑坡的滑动而、滑动方向、滑动速率等动态特征;深、浅部位移变化的关系;降水量与滑坡活动的关系等进行了论证。并据此提出了滑坡滑动破坏的趋势预测意见,为进一步监测研究和防治提供了依据。