基于ICEEMDAN分解和MHA-LSTM神经网络的滑坡位移预测

深度学习在机器视觉等各个领域的兴起,使长短时间记忆(LSTM)神经网络也越来越常用于滑坡预测工作中。为加强对历史信息的提取与捕捉,提出一种多头自注意力长短时间记忆(MHA-LSTM)神经网络用来预测滑坡位移。首先采用改进版的自适应噪声完备集合经验模态分解(ICEEMDAN)算法将滑坡位移分解成趋势项、周期项和噪声项;然后采用MHA-LSTM神经网络拟合带噪声的滑坡位移趋势项和周期项,两者相加即可得到滑坡总位移的预测结果;最后以白水河滑坡实测数据为例,考虑月降雨量和库水位因素的影响,对该滑坡位移的周期项和趋势项进行预测,并与其他传统神经网络的预测结果进行对比。结果表明：MHA-LSTM神经网络模型相较于其他传统神经网络模型,能更好地捕捉历史的信息特征,预测效果更佳,可为滑坡预测提供新的技术方法。     

厚覆盖区1：25万区域地质调查工作方法研究

通过1：25万杭州市幅厚覆盖区第四纪研究和填图实践，初步总结出“以气候旋回及基准面旋回等时性理论为基础，从古气候旋回宏观识别标志研究人手，以标准孔为基准点外延扩展，在反复认识与验证的基础上，进行层序地层划分，建立剖面等时格架，制作高精度对比的剖面图及准瞬时岩相古地理图”的研究方法，以及“从古岸线沉积物研究人手，充分运用非正式岩石地层单位的表示方法，结合考古及地方志，填绘出具岩石空间分布、海平面升降信息、古文化遗址、浅表含水层展布及河流与海岸线变迁”的非常规填图方法。提高了本区第四纪地层研究精度，使地质图具有强烈的地区特色。拓宽了区调工作的服务领域。并为沿海厚覆盖区的区域地质调查另辟了一条新思路。     

汶川地区龙门山系滑坡稳定性分析与评价

近年来,随着高速公路的快速发展,大型重点工程项目的日益增多,滑坡治理问题开始凸显,特别是滑坡治理工程也显得越来越重要。针对汶川地区大型滑坡体的特点,取龙门山系的一处大型滑坡为例,结合前期勘察的资料及工程地质条件,对该大型滑坡的成因机制和形成条件进行了分析,查明了滑坡的发育条件及其分布特征,同时对滑坡的破坏模式进行了分析,结合天然工况、暴雨工况和地震工况开展了滑坡稳定性系数和推力计算,对滑坡进行了稳定性分析与评价。结果表明,滑坡总体稳定,局部有失稳的可能。在未来持续暴雨的作用下,可能出现局部变形加剧,稳定系数进一步降低,考虑到G213线对汶川经济和社会稳定的重要性,对其进行一定的工程治理措施是必要的,最后结合滑坡的特点为其治理提出了建议。     

陕西户-洋高速公路地质灾害危险性评估

对陕西户(县)-洋(县)高速公路沿线的地质灾害进行了考察研究；对崩塌、滑坡、泥石流、岩溶区塌陷等地质灾害的现状进行了分析论证；对未来各种地质灾害发生的危险性进行了评估预测。     

川西高山峡谷地区震后滑坡演化趋势研究

汶川地震引发的同震滑坡给川西高山峡谷地区人民带来了巨大威胁。震后在强降雨的影响下,新生滑坡及古滑坡活动加剧,分析震后滑坡的演化趋势,对重点地区及时开展监测预警显得尤为重要。以汶川县东北部为研究区,基于GIS平台选取岩性、距断层距离、PGA、高程、坡度、坡向、剖面曲率、地形起伏度、年最大24 h降雨等9个影响因子,利用滑坡频率密度、面积密度和数量密度,统计分析2009年、2011年、2015年、2021年4期滑坡时空演化特征;同时结合证据权重(WOE)、随机森林(RF)、证据权重-随机森林(WOE-RF)模型,开展研究区滑坡易发性演化趋势分析。结果表明：随时间推移,滑坡数量、面积和规模均大幅减小,已处于较低水平;滑坡时空演化以2015年为转折由南向北发展;经ROC验证,WOE-RF得到的滑坡易发性精度最高,且三种模型均显示滑坡极高易发区演化也呈远离震中的由南向北之势。研究结果为川西高山峡谷地区滑坡灾害早期识别与监测预警提供理论依据。     

基于GIS九龙县滑坡分布特征危险性评价

川西地区地质环境特殊,是地质灾害最为发育的地区,其中以滑坡最为显著,给当地带来了极大的经济财产损失。选取甘孜州九龙县作为研究对象,该区所处的地质条件复杂常年以来滑坡极为发育,造成有众多的堵江堰塞。在野外工程地质调查及遥感解译的基础上对该区的历史滑坡进行了详细的分析,并选取有关影响因子建立评价危险性评价模型,使用层次分析法和熵权法组合模型在GIS平台上对该区的危险性进行区划,并生成危险性区划专题图,得出以下结论:九龙县的滑坡主要分布在河流水系支沟沟谷两岸,地形地貌因素是影响滑坡的主要因素,危险性评价区划显示:极高、高危险区占整个研究区面积的19.05%,中危险区19.11%,较低和低危险区占61.84%,通过ROC曲线验证评价结果,准确率高达86.4%,这对当地的防灾减灾工作和滑坡危险性评价方法具有重要的指导意义。     

动态残差修正LSTM算法的突发型滑坡位移预测

针对突发型滑坡存在位移趋势突变性,传统长短时记忆(LSTM)神经网络方法存在位移预测精度不足的困难,提出一种基于动态残差修正LSTM算法的突发型滑坡位移预测方法。首先,采用动态流转训练,将由累计位移得到的变形速率通过经验模态分解(EMD)得到周期项及趋势项;其次,通过多项式预测趋势项、动态LSTM预测周期项,并由2项之和得到主预测变形速率;随后,通过对比实测速率与主预测变形速率,得到残差项,并建立动态流转训练的残差LSTM网络预测残差速率;然后,由主预测变形速率与残差预测变形速率之和得到最终预测速率,并进一步得到累计位移预测值;最后,以某突发型滑坡为例,验证该方法的科学性、有效性,以及预测精度和优势。结果表明：将变形速率序列作为预测对象并进一步得到累计位移预测值,比直接预测累计位移值具有更高的准确性;而基于动态残差修正LSTM算法预测的MAE、MAPE、RMSE及R²指标分别为43.843、1.901%、79.394和0.960,相比于传统LSTM预测方法具有明显优势。     

基于GIS的沐川县滑坡危险度区划

基于GIS技术及统计方法,对沐川县滑坡进行了区划研究.从与滑坡发育相关的因子中提取了5个本底因子:地层、坡度、坡形、高差和坡向,以此反演计算了研究区环境本底因子对滑坡的贡献和本底因子的权重.采用贡献率权重叠加法对研究区进行危险度区划,其中高危险度区114.7km2,中危险度区229.9km2,低危险度区100.9km2.经与野外调查结果对比检验,区划可靠性达到90%以上.     

基于GIS的信息熵理论在滑坡危险性评价中的应用——以四川省青川县滑坡为例

滑坡危险性评价对滑坡的防灾减灾工作具有重要意义。基于信息熵理论建立了滑坡危险性评价模型,同时综合考虑影响滑坡演变的各种因素,在GIS下对四川省青川县滑坡的监测数据进行了分析和处理,获取了该研究区滑坡危险性区划结果,并将该区不稳定斜坡作为未来可能发生的滑坡进行验证,结果表明其评价结果基本符合实际情况。该评价模型可用于滑坡的危险性评价。     

滑坡勘查中的高密度电阻率法异常特征

以某滑坡区为例,使用高密度电阻率法对滑坡区的异常特征进行了研究,并对获取的视电阻率断面进行了地形校正.结果表明,对于沉积岩地区滑坡,滑坡体与滑床间存在明显的电性差异,根据经过地形改正的滑坡区视电阻率异常特征和断面,更清晰和直观显示了滑坡体的纵横向展布、主滑动面的位置与埋深,进而可圈定滑坡体的规模,从而为滑坡治理提供可靠的地球物理依据.