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XGBoost模型的降雨诱发阶跃型滑坡位移预测

滑坡位移预测一直是滑坡研究的热点之一。近年来,随着计算机科学的发展,越来越多的人工智能技术模型被用于滑坡位移的预测。相较于常用的如LSTM神经网络等机器学习模型,集成算法中的XGBoost模型在滑坡位移预测领域尚不多见。由于其在滑坡位移预测中具有预测精度更高、运行速度更快等优点,目前在学术界已成为研究的热点领域。文中以泉州市安溪县尧山村滑坡地灾点监测数据为例,运用Python搭建XGBoost模型,并通过最大信息系数的比较来选定与位移高度相关的特征,输入至模型中对滑坡位移进行预测。结果表明,XGBoost模型因其在目标函数中引入正则项来控制模型过拟合、模型数据集划分采用前向验证方式等优点,相较于大多数机器学习模型,能更加准确地预测降雨诱发阶跃型滑坡位移。该模型对此类滑坡的位移预测及早期监测预警具有重要参考意义。     

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。     

地震作用下滑坡永久位移预测

在地震区滑坡防治结构的抗震设计中,滑坡体自身的稳定安全性可利用其地震作用下产生的永久位移直接判断,可见对其地震永久变形的预测至关重要。因此,以极限分析上限定理为基础,分别针对平移式和旋转式两种滑坡滑移形式,推导出这两种滑移形式下滑坡体产生永久位移的临界加速度,考虑地震输入能量及结构能量耗散之间的平衡关系并建立预测地震作用下滑坡永久位移的计算方法。最后,通过算例表明其合理性。     

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。     

Kalman最优平滑器在滑坡位移监测数据处理中的应用

针对传统方法中利用Kalman滤波器来处理物体的形变数据存在精度低的缺点,依据Kalman平滑比滤波的精度要高的原理,提出了将滑坡形变的估计问题视为Kalman平滑问题,而不仅仅是Kalman滤波问题;利用Kalman最优平滑器来处理滑坡位移监测数据,可使滑坡预测预报的精度得到较大提高,并在此基础上给出了一种固定区间平滑算法;最后,以龙羊峡龙西滑坡为例进行了实例分析,结果表明本文提出的方法是可行和有效的。此外,结论中针对实际运用中存在的问题提出了相应的建议。     

基于BIM信息模型的三维滑坡地质灾害预测方法

由于传统方法在预测滑坡地质灾害精度较低,基于此,该文提出基于BIM信息模型的三维滑坡地质灾害预测方法。引入了BIM信息模型的框架,通过最优权重值的确定,完成了三维滑坡地质灾害预测数据的预处理;在BIM信息模型的背景下,利用随机差分方程建立了预测数据之间的依赖关系,通过建立预测序列的数学模型,得到了地质灾害预测的目标函数,完成基于BIM的预测序列模型的构建;通过三维滑坡地质灾害预测算法设计,实现了基于BIM信息模型的三维滑坡地质灾害预测。     

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。     

基于贝叶斯的滑坡稳定性预测对比分析研究

滑坡稳定性的分析是一个复杂的系统工程,影响滑坡稳定性的因素较多。首先,基于相关系数理论描述滑坡稳定性影响因素对滑坡稳定状态影响的大小。再根据关联度大小筛选出影响滑坡稳定性的主要影响因素。其次,引入贝叶斯理论,滑坡稳定性的主要影响因素和滑坡的稳定状态建立了基于贝叶斯的滑坡稳定性预测模型。最后,在贝叶斯理论分析和MATLAB软件的基础上,以竹溪县197组滑坡数据中的100组滑坡数据作为训练样本,其余97组滑坡数据作为测试样本,代入模型进行判别。研究结果表明:其训练集稳定性预测的正确率为80%,测试集稳定性预测的正确率为80.41%。故基于贝叶斯的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。同时,相关的方法也可以为其他工程研究提供参考。     

基于GPRS数据传输的滑坡位移实时监测系统

介绍了采用差分全球定位系统（GPS）定位、单片微机数据采集和控制、通用分组无线业务（GPRS）等技术构建的一套具有实时数据采集和处理能力的远程滑坡位移监测系统。监测试验表明,系统监测误差小于1cm（单频GPS,垂直方向）,并具备突发崩塌报警功能。     

考虑位移监测的滑坡稳定性综合评价研究

滑坡稳定性评价方法目前主要有极限平衡法、概率分析方法和有限元法,但是这些方法都仅从力学的角度出发,而很少从滑坡的实际变形角度来考虑。为此,在运用Morgenstern-Price法、蒙特卡洛-破坏概率方法和强度折减法从二维和三维的角度计算滑坡稳定性系数和破坏概率的基础上,提出了考虑滑坡位移监测的R/S分析方法对滑坡稳定性进行综合评价。以三峡库区青龙咀滑坡为例,采用上述四种方法对该滑坡稳定性进行综合评价。结果表明,该滑坡在计算工况条件下处于稳定状态,其危险性为中等。     

基于GIS的滑坡灾害风险空间预测

滑坡灾害风险评价是一个包含有滑坡危险性评价和承灾体易损性评价的体系,对滑坡危险性进行了空间预测与区划,并开展了区域承灾体易损性的区划与评价。结合风险评价的基本要求,进行了研究区滑坡灾害的风险区划,将其划分为极高、高、中、低与极低风险区。针对研究区经济发展水平及政府防灾力度,提出了适合研究区的可接受风险标准与管理对策。     

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.     

基于经验似然比函数模型的降水型滑坡灾害概率风险分析与预测

以湖南郴州地区为例,建立了降水型滑坡历史灾害空间分布、地质和地形等滑坡影响因子空间数据库;基于50×50 m的网格,选取地貌、地层岩性、土壤类型、坡度、坡向、高程等滑坡影响因子,利用经验似然比函数计算出每个网格的滑坡危险度,并进行分级,进而制作出郴州地区滑坡危险度区划图.在此基础上,利用另一组滑坡灾害空间分布数据采取交叉验证法估算每一类危险级别发生滑坡的经验概率.结果表明,应用经验似然比模型进行滑坡灾害概率风险分析评估效果较好.     

基于Mein-Larson入渗模型的浅层降雨滑坡稳定性研究

降雨入渗模型与边坡稳定性方法有机结合是研究降雨诱发滑坡稳定性的有效方法。在深入分析降雨入渗基本理论的基础上,将Mein-Larson入渗模型与基于饱和土、非饱和土以及近似非饱和土的无限边坡稳定性分析方法有机结合,综合考虑了高强度短历时和低强度长历时两种降雨情形,拓展并改进了基于Green-Ampt入渗模型的饱和土和近似非饱和土无限边坡稳定性模型,并依托典型边坡实例对各评价模型的计算结果和适用性等进行了对比分析。     

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。     

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%。     

滑坡预测的改进前馈网络方法研究

作者提出了滑坡位移预测的一种改进前馈网络方法——目的规划法,与通常的前馈网络方法相比,该方法改进了网络的准则函数,降低了网络的灵敏度,改善了网络的泛化性能,提高了滑坡位移的预测精度。同时它是一种面向数据的方法,适合于不同地区不同条件下滑坡的预测。清江隔河岩库区滑坡和卧龙寺滑坡的实例研究表明了该方法的可行性及有效性。