共查询到17条相似文献，搜索用时 140 毫秒
1.
滑坡体除了因自身重力产生位移外,还受到降雨的影响,但通常降雨对滑坡位移的作用具有滞后性。为了分析并预测降雨对滑坡位移的影响,本文提出一种顾及降雨影响的动态优化时滞时序GM(1,2)滑坡位移预测模型。首先,利用经验模态分解(EMD)分解位移序列并通过时间序列重构得到周期位移序列和趋势位移序列,对降雨数据和滑坡周期位移序列进行时滞分析和相关分析,确定时滞时间和影响程度,建立基于背景值优化的动态时滞GM(1,2)模型预测降雨量变化导致的滑坡周期位移变化;然后,建立门限自回归模型预测滑坡趋于自然变化的趋势位移;最后,通过时序叠加得到顾及降雨影响的滑坡预测位移,建立了顾及降雨因素的动态优化时滞时序GM(1,2)组合预测方法。本文以福宁高速公路八尺门滑坡和秭归县八字门滑坡监测数据为例,验证了动态优化时滞GM(1,2)模型的精度,并与其他模型的预测结果进行了对比分析。试验结果表明,动态优化时滞时序GM(1,2)组合预测模型能准确地预测降雨影响导致的滑坡位移变化,预测效果较好,该组合模型对滑坡灾害的预警与防治具有一定的参考价值。 相似文献
2.
针对降雨诱发滑坡突发、群发的灾害特点,在广东省某地开展了浅层堆积性岩土混合斜坡降雨诱发滑坡的试验,实验采集滑坡成灾演化过程的GPS监测地表形变位移、人工降雨量、岩土参数变化同步数据,形成从蠕动变形、滑动、加速、灾变一直到再次稳定的整个成灾过程的连续动态监测数据。通过对降雨量、地表形变、土壤含水率、滑坡稳定性指标等进行定量比对和相关性分析,建立了滑坡成灾演化阶段的映射关系,并提取降水诱发滑坡灾变过程的显性因子,作为实验滑坡灾变的判据,建立了综合判据滑坡隐患分析评价模型。最后,将监测结果与宏观现象监测进行比对,验证了监测和分析方法的有效性。 相似文献
3.
基于动态指数平滑模型的降雨诱发型滑坡预测 总被引：1，自引：0，他引：1
《武汉大学学报(信息科学版)》2016,(7)
为了快速而准确地分析降雨型滑坡的变形趋势,以指数平滑法为数学基础,从滑坡的实际演化阶段出发,建立外界主要诱发因素与模型参数的关联,引入月累积降雨量作为模型参数动态评估因子,对白家包滑坡90期累积位移数据进行了拟合及预测。最终拟合的累计位移平均绝对误差和相关系数分别为11.346和0.933。与传统的静态参数方法相比,这种方法更符合降雨型滑坡发展的一般规律,预测精度更高。 相似文献
4.
在降雨等外界诱发因素的综合作用下,滑坡位移预测是一个复杂的动力系统问题。利用三峡库区白家包滑坡综合监测数据,分析滑坡演化实时特征,提取影响滑坡变形的最相关因素,研究发现白家包滑坡为降雨主导型堆积层滑坡;采用自回归综合移动模型（ARIMA）模型进行拟合及预测,引入月累积降雨量对模型季节性趋势参数进行评估优化,对白家包滑坡72期月相对位移数据进行拟合及预测研究,最终模型结果和实测值的平均绝对误差和相关系数分别为2.873和0.983。研究结果表明,与传统经验法相比,优化参数模型更符合滑坡变形的一般规律。 相似文献
5.
上任才3个月,江西省国土资源厅厅长胡宪就经受了一次特殊而严峻的考验。
截至6月29日,江西省平均降雨量已达1476毫米,比洪灾严重的1998年同期还多27毫米,诱发了大量突发性崩塌、滑坡、泥石流等地质灾害。截至6月26日,全省共发生大小地质灾害7848起。 相似文献
6.
7.
《测绘科学》2020,(4)
为了综合考虑降雨与岩性地层实际渗水能力的关系及多种滑坡致灾因子,该文基于logistic回归模型构建了兰州市降雨型黄土滑坡预警模型。该模型首先以坡度、坡向、植被指数、不透水层、不同岩性渗水能力和公路数据为滑坡发生的关键影响因子;其次,选取实验区相关数据并通过SPSS计算得到权值函数;最后,通过logistic回归模型计算滑坡发生的概率,获得不同降雨量下的黄土滑坡风险区划图。模型结果显示,研究区内滑坡发生风险较高的区域随着降雨量的增加而增大,在低降雨量下与公路边坡的稳定性的关系十分密切,在高降雨量下与岩性的渗水能力关系较大,且预警降雨量为30 mm,通过历史发生的滑坡数据进行验证,发生在滑坡概率为中以上的滑坡点占比超过87.1%,验证结果显示该模型的预测精度较高,更满足实际滑坡预测的需求。 相似文献
8.
9.
滑坡位移预测是滑坡灾害实时监测预警的重要组成部分,良好的滑坡位移预测模型有助于预测地质灾害发生。滑坡变形受多种外界因素影响呈现出随机性和非线性的特点,在现有的滑坡位移预测方法中,机器学习方法在滑坡位移预测中得到了广泛的应用。针对滑坡位移预测是趋势项位移和周期项叠加的特点,本文研究采用基于集成经验模态分解(EEMD)的滑坡趋势项和周期项位移提取方法,结合支持向量回归(SVR)模型实现对滑坡的位移预测。首先,详细介绍了该模型的构建过程和预测性能,并以均方根误差(RMSE)、平均绝对误差(MAE)、平均绝对百分比误差(MAPE)和决定系数(R2)作为评估模型的预测性能指标。然后,分别利用EEMD-SVR、SVR、Elman模型对贵州省岩溶山区的一处滑坡进行位移预测,结果表明,EEMD-SVR模型连续1 d预测的RMSE值、MAPE值和R2值分别为0.648 mm、0.518%和0.996 8,可以提供更高可靠的滑坡位移预测精度,对同类滑坡的位移预测具有一定的参考价值。 相似文献
10.
滑坡单点式位移监测难以反映滑坡的整体位移状态,采用多尺度模型到模型的点云比对算法（M3C2）可实现对滑坡的面域监测。本文首先通过对无人机采集的影像进行运动恢复结构（SfM）分析,还原滑坡三维点云模型;然后利用点云比对算法对两期点云数据进行处理,以色值大小体现滑坡区域的位移,进而识别滑坡表面位移变化;最后将该方法运用于实际边坡的表面位移监测。试验结果表明,应用M3C2算法可成功识别边坡变动区域,捕捉到1 cm的水平或垂直位移变化,能直观反映滑坡面域的变形状况。该方法适用于复杂地形条件下的滑坡位移整体监测,识别精度达到厘米级,性能优于两云直接比对算法（C2C）。 相似文献
11.
Satellite rainfall products for landslide early warning prediction have been spotlighted by several researchers, in the last couple of decades. This study investigates the use of TRMM and ERA-Interim data, for the determination of rainfall thresholds and the prediction of precipitation, respectively, to be used for landslide early warning purposes at the Bogowonto catchment, Central Java, Indonesia. A landslide inventory of 218 landslides for the period of 2003–2016 was compiled, and rainfall data were retrieved for the landslide locations, as given by 6 ground stations, TRMM, and ERA-Interim data. First, rainfall data from the three different sources was compared in terms of correlation and extreme precipitation indices. Second, a procedure for the calculation of rainfall thresholds for landslide occurrence was followed consisting of four steps: i) the TRMM-based rainfall data was reconstructed for selected dates and locations characterized by landslide occurrence and non-occurrence; ii) the antecedent daily rainfall was calculated for 3, 5, 10, 15, 20 and 30 days for the selected dates and locations; iii) two-parameter daily rainfall-antecedent rainfall thresholds were calculated for the aforementioned dates; after analysis of the curves the optimum number of antecedent rainfall days was selected; and (iv) empirical rainfall thresholds for landslide occurrence were determined. The procedure was repeated for the entire landslide dataset, differentiating between forested and built-up areas, and between landslide occurrence in four temporal periods, in relation to the monsoon. The results indicated that TRMM performs well for the detection of very heavy precipitation and can be used to indicate the extreme rainfall events that trigger landslides. On the contrary, as ERA-Interim failed to detect those events, its applicability for LEWS remains limited. The 15-day antecedent rainfall was indicated to mostly affect the landslide occurrence in the area. The rainfall thresholds vary for forested and built-up areas, as well as for the beginning, middle and end of the rainy season. 相似文献
12.
受季节降雨波动和邻近点位的牵引作用影响,滑坡位移呈阶梯状变化趋势。为有效预测该类滑坡的位移,本文提出一种基于注意力机制的双向长短时记忆(Bi-LSTM)神经网络位移预测模型。首先,建立滑坡监测累计位移时间序列模型,将滑坡累计位移分解为趋势项和周期项;然后,分析滑坡因子与趋势项及周期项的相关性,采用多项式回归对趋势项进行拟合,通过基于注意力机制的Bi-LSTM对周期项进行预测。试验结果表明:基于注意力机制的Bi-LSTM预测模型具有稳健的泛化能力,能有效捕获不同时序数据间的相关性;预测结果精度平均绝对误差为0.088 mm,平均均方误差为0.042 mm,相比常规的长短时记忆(LSTM)神经网络模型,本文方法的预测结果精度更高。 相似文献
13.
14.
在滑坡位移综合预测研究中,常因滑坡随机位移分量无法准确提取、最优训练数据集及时效性无法确定等,造成多源监测数据利用不充分、位移预测结果不稳定。鉴于此,引入变分模态分解,在滑坡位移时序分析的基础上,结合门控循环单元递归神经网络,提出一种新型滑坡位移综合预测模型。以三峡库区白水河滑坡为例,选取2003-07—2012-12的位移监测数据和同时期库水位及降雨数据进行分析研究,综合模型预测结果的均方根误差为9.715 mm,判定系数为0.967。对比实验分析表明,该模型在保证高预测精度的同时,在有效预测时长和时效性上同样优势明显,在库岸滑坡位移预测研究中具有很强的应用和推广价值。 相似文献
15.
滑坡变形的产生是坡体自身地质条件和外部诱发条件共同作用的结果，滑坡变形定量预测是滑坡监测预警的关键。传统的基于滑坡累计位移-时间曲线分析滑坡变形的方法，忽略了滑坡变形演化的影响因素，难以对滑坡变形进行准确预测。三峡库区滑坡研究多集中在滑坡时空分布特征和滑坡整体稳定性分析方面，亟需开展单体滑坡综合变形分析。以三峡库区白水河滑坡为例，基于滑坡宏观变形和位移监测数据，利用重标方差（rescaled variance statistic，V/S）分析法对滑坡整体和局部变形趋势进行分析，进而构建考虑库水位波动和降雨滞后性影响因素的可有效利用长期依赖信息的长短记忆（long short-term memory，LSTM）神经网络模型，定量预测滑坡位移。研究结果表明，滑坡体属牵引式滑坡，北东部稳定性较差，西部和后缘相对稳定，预测值的均方根误差为8.95 mm，证明该模型是一种高性能的滑坡变形分析方法。 相似文献
16.
为了掌握地质灾害深部位移的变形规律,使用阵列式位移传感系统（SAA）对地质灾害不稳定体进行深部位移动态监测,并同时安装了测斜仪以进行比较分析。通过建立地质本构模型和进行"降雨-变形"模型分析,优化设计了监测线和监测点位。试验结果表明：在地质灾害监测中,使用阵列式位移传感系统进行滑坡体深部位移的监测,不仅能够实时监测到滑坡体深部位移的变形情况,还能判断出滑移面具体位置。相比于测斜仪监测,阵列式位移传感系统测量准确度更高,在滑坡地质灾害监测中有更好的应用范围和前景。 相似文献
17.
自2003年蓄水以来,三峡库区已查明的滑坡或潜在滑坡高达5000余处,这些灾害对三峡水库的持续运营、大坝、航道及库区居民的安全造成了严重的威胁。通过研究滑坡的变形特征、诱发因素及失稳机制,有助于开展滑坡的稳定性评价,并构建预警预报模型。以三峡库区八字门滑坡为研究对象,综合分析降雨、库水位、人工和自动GNSS监测等数据,结合勘查资料及野外宏观巡查,研究了滑坡的变形特征及失稳机理,并确定合理的预警判据及阈值。研究表明:①八字门滑坡整体变形明显,处于蠕动变形阶段,滑坡变形主要集中于每年5—9月,滑坡累积曲线呈现典型的“阶跃”状变形特性。②滑坡的变形受斜坡结构、岩性等因素的控制,水库水位下降是滑坡变形的主要驱动因素,并与库水下降速率正相关。另外,特大暴雨和持续降雨在水位下降阶段、水库低水位运行期及水位上升期会促进滑坡变形,是滑坡的次要驱动因素。③通过精细化数据分析以及改进切线角法获取的八字门滑坡出现“阶跃”变形的位移速率阈值为4.6 mm/d,7 d累积降雨量阈值为60 mm,库水位阈值为159 m,库水位下降速率阈值0.4 m/d。 相似文献