共查询到16条相似文献，搜索用时 814 毫秒
1.
滑坡位移预测是滑坡灾害研究中的一个重要内容，然而现有研究将滑坡视为一个对外界响应稳定的系统，即相同的外界条件下，滑坡的位移变化是相同的。实际上，随着时间的推移，滑坡所处状态不断变化，相同的外界激励下的位移响应相差甚远。从滑坡状态与位移的响应规律出发，提出了一种基于状态划分的滑坡位移预测方法以实现更高精度的滑坡位移预测。采用K均值聚类法对滑坡变形速度和加速度进行了聚类分析，获取了表征滑坡变形程度和变形趋势的状态标签。根据状态标签对监测数据进行了划分，对每一类数据均单独构造一个BP神经网络，并依据上一时刻的状态标签选择对应的预测器来完成滑坡位移预测。将该方法运用到白水河滑坡的工程实例研究中，结果表明此方法具有较高的预测精度。 相似文献
2.
以奉节新铺下二台滑坡为例, 基于GPS位移监测数据、裂缝数据、降雨量及库水位等多源数据, 总结分析了大型古滑坡的复活规律, 引入滑坡中长期预报模型, 实现了以季度或月份为时间单位的跨水文年滑坡位移预测, 并通过岩土体蠕变压缩模型, 验证了推移式滑坡后缘裂缝形成机理。结果表明: ①降雨是下二台滑坡变形的主导因素, 滑坡变形使得滑体产生裂缝并成为降雨入渗通道, 加剧了岩体破碎与软弱层软化, 降低了滑坡稳定性, 集中持续降雨可使滑坡失稳破坏; ②通过模型预测值与地表监测数据的比较, 将年降雨量作为滑坡中长期预报模型中的主控因素具有实际可操作性且有助于提高滑坡中长预报精度; ③推移式滑坡后缘裂缝由滑坡推移式位移和岩土体压缩形成, 引入蠕变压缩模型计算的裂缝宽度并和监测数据的比较说明, 蠕变压缩模型非常适合该类边坡, 同时应用岩土体蠕变压缩模型反推得到岩土体平均变形模量, 判断岩体破碎程度, 可以为滑坡稳定性分析及后续工程治理提供参考。 相似文献
3.
动水驱动型顺层岩质滑坡数量多、灾害频发、危害大, 是滑坡地质灾害领域的研究重点, 但目前对于滑坡启滑机制的认识仍不充分, 滑坡的准确预报还面临巨大挑战。鉴于此, 以含软弱夹层的中倾角顺层岩质滑坡为研究对象, 通过构建理想的单层滑带滑坡物理模型, 开展了一系列动水作用下的滑坡模型试验研究。结果表明, 动水作用下顺层岩质滑坡从开始变形至失稳滑动需经历初始变形、缓慢变形、加速变形和失稳破坏4个阶段, 而各个阶段的演化特征与滑面粗糙度和倾角密切相关。滑面倾角越大或粗糙度越小, 滑坡体从开始变形至失稳滑动所需的时间则越短; 相应地, 坡体加速变形阶段越不明显, 滑坡破坏的突发性越强。滑带内的渗流冲蚀作用会使滑带土中的骨料流失, 导致其抗剪强度降低, 进而引发坡体滑动。与此同时, 上覆坡体的压剪作用以及变形演化过程亦将反过来影响冲蚀强度。基于滑带土黏聚力随水力梯度和冲蚀时间的变化关系, 提出了渗流驱动下滑带土黏聚力演化模型, 可较好地描述滑带土黏聚力的退化过程。滑面粗糙度的存在不仅显著影响了滑带的冲蚀劣化规律, 还改变了滑带不同区域的破坏模式。此外, 通过考虑滑面粗糙度对滑带不同区域破坏模式的影响, 开展了动水多效应关联分析, 建立了滑坡地质体力学分析模型, 实现了动水作用下顺层岩质滑坡动态稳定性的有效评估。本研究成果可为实际动水驱动型顺层岩质滑坡的预测和防治提供理论参考。 相似文献
4.
介绍位移传感器数据远程传输方法,阐述位移传感器数据解码算法,并验证解码数据的准确性及可靠性。同时,将其应用于黑方台党川滑坡的变形监测,获得了滑坡监测点的实时形变信息,可为滑坡变形监测和预警提供技术支撑。 相似文献
5.
顾及降雨及库水位因素的滑坡时滞分析与预测——以三峡库区新铺滑坡为例 总被引：1，自引：0，他引：1
降雨及库水位涨落是引起库岸滑坡形变失稳的主要诱发因素,但滑坡位移速率对此类诱发因素的响应具有一定的滞后性,影响人类对滑坡所处运动状态的判断与预测。针对常规预测模型中未考虑时滞效应的问题,利用三峡库区新铺滑坡的GNSS位移监测数据、奉节气象站降雨数据以及三峡库区库水位涨落数据,通过对监测区内9个GNSS监测点的位移速率序列与降雨量、库水位高程序列进行时滞互相关分析,确定时滞参数,进而应用多变量灰色系统理论方法,建立了时滞GM(1,3)预测模型,并对滑坡位移速率进行预测验证。结果表明:三峡库区新铺滑坡位移速率与降雨量显著相关,对降雨量的响应滞后时间约为5 d,滑体中后部受降雨影响比前缘更明显;位移速率与库水位高程高度相关,对三峡库区库水位涨落的响应滞后时间约为31 d,滑坡前缘受库水位涨落影响更明显,且离长江越近,滞后时间越短;利用加入时滞参数的时滞GM(1,3)模型进行预测,模型拟合优度达到0.702,相比GM(1,1)模型和未顾及时滞因素的GM(1,3)模型,预测精度分别提升了53.8%和58.3%,平均绝对误差百分比分别降低了7.19%和7.47%,在滑坡位移速率预测及库岸滑坡防灾减灾领域具有一定的工程应用价值。 相似文献
6.
我国是世界上滑坡灾害最严重的国家之一, 重大滑坡灾害严重威胁人民生命财产安全和国家重大战略实施。滑坡精准预测预报是防灾减灾的前提, 也是亟待突破的世界性科学难题。以重大滑坡预测预报为目标, 聚焦滑坡演化过程与物理力学机制核心科学问题, 凝炼了滑坡启滑关联机制、滑坡启滑物理力学机制、滑坡过程预测预报理论3个关键科学问题, 提出了如下研究思路: 以系统论、控制论和信息论为指导, 依托大型野外试验场, 采用现场原型试验与多场关联监测、大型物理模型试验、多场耦合模拟等技术手段, 以滑坡孕育过程为基础, 提出了重大滑坡的启滑分类; 揭示锁固解锁型、静态液化型和动水驱动型滑坡启滑物理力学机制, 建立相应的启滑判据; 构建重大滑坡数值预报模式与实时预报平台, 创立基于物理力学过程的滑坡预测预报理论。通过实施, 可奠定上述3类滑坡预测预报的地质、力学与物理基础, 引领重大滑坡预测预报研究, 保障国家重大战略的顺利实施, 契合国家防灾减灾重大需求。 相似文献
7.
针对位于山区且受大量采空区影响的边坡,利用传统测量方法监测耗费人力、物力且光学遥感难以定量识别其是否为潜在滑坡的问题,本文提出一种融合研究区小基线集（SBAS-InSAR）地表监测数据、坡度及坡向的识别方法。通过SBAS-InSAR技术获得研究区地表雷达视线（LOS）方向形变速率,将其转化为垂直方向形变速率,并根据研究区DEM建立坡度及坡向分析图,根据不同山体的坡度、坡向找到易发生滑坡的区域,融入该区域垂直方向的时序形变速率,对其进行滑坡识别。实验表明：卡房镇周边受采空区的影响较大,多数区域垂直方向年形变速率大于10 mm/a;通过本文方法对研究区潜在滑坡进行识别,发现在研究区的21处历史滑坡点中,有16处被识别为潜在滑坡,5处未被识别但也位于发生形变的区域内,表明本文方法对潜在滑坡的识别精度高,具有可行性。该研究为识别采空附近的潜在滑坡提供了一种新的思路,可以有效识别采空区附近山体边坡是否处于潜在的、不明显的滑动状态,对滑坡灾害具有预警作用。 相似文献
8.
Newmark位移模型是研究地震滑坡易发性的经典模型,机器学习方法支持向量机模型也越来越多的应用到滑坡易发性评估研究。本文将Newmark位移模型与支持向量机模型相结合,建立基于物理机理的地震滑坡易发性评估模型并应用于2008年汶川地震重灾区汶川县。从震后遥感影像目视解译出汶川县1900处地震诱发滑坡,并将其随机划分为70%的训练数据集和30%的验证数据集。选择地形起伏度、坡度、地形曲率、与构造断裂带距离、与水系距离、与道路距离6个因子与Newmark位移值共同作为地震滑坡易发性影响因素。利用ROC曲线和模型不确定性等指标对模型结果进行评估,并与二元统计模型频率比和多元统计模型Logistic回归的结果进行对比。结果表明：与频率比和Logistic回归模型相比,支持向量机模型的正确率最高,训练集和验证集ROC曲线下的面积分别为0.876和0.851。将模型应用于绘制汶川县地震滑坡易发性图,结果显示滑坡易发性图与实际的滑坡点位分布一致性较高,有80.4%的滑坡位于极高和高易发区。这说明支持向量机与Newmark位移方法结合建立的地震滑坡易发性评估模型有较高的预测价值,可以为滑坡风险评估和管理提供依据。 相似文献
9.
滑坡监测远程无线数据传输系统研制 总被引：1，自引：0，他引：1
利用先进的监测仪器和现代无线通讯技术,开发了一套可以对滑坡灾害进行自动实时监控的监测系统。安置在监测点现场的数据交换仪与各种监测仪器相连接,读取仪器信号、转换信号类型、存储数据;室内设一控制中心,借助覆盖范围广的移动通讯网络,对现场数据交换仪进行控制,实现数据回送、数据删除、监测模式设定、预警信号发送等作业;对监测数据进行分析处理,供研究人员使用。现场设备可由太阳能供电,适合偏远地区使用。通过室内模拟实验,该系统功能稳定,数据传输及时准确。 相似文献
10.
滑坡稳定性评价是滑坡防治中关键问题之一, 滑坡失稳破坏判据研究可为滑坡稳定性评价提供支持。为了提高滑坡稳定性评价的精度, 以滑坡深部位移监测数据为基础的滑坡失稳破坏判据不失为一种有效方法。基于滑坡深部位移监测数据, 引入滑带完整性指标, 推导得到了滑带完整性指标与滑坡抗剪强度参数之间呈正比例关系; 运用滑坡稳定性计算方法和三峡库区堆积层滑坡简化模型, 获得了滑带完整性指标与滑坡的稳定性系数之间呈正比例关系。建立了考虑滑带完整性指标的三峡库区堆积层滑坡失稳破坏判据, 即: 当滑坡滑带土完整性指标大于滑坡滑带土完整性指标的临界值时, 滑坡处于稳定状态; 当滑坡滑带土完整性指标小于滑坡滑带土完整性指标的临界值时, 滑坡发生失稳破坏。以三峡库区典型堆积层滑坡——五尺坝滑坡为例, 通过实例分析发现该判据具备可靠性, 对堆积层滑坡适用性好。研究成果表明, 滑带完整性指标失稳破坏判据可以用于评价滑坡的稳定状态, 为滑坡失稳破坏判据研究提供了一种新思路。 相似文献
11.
以中国典型黄土滑坡域甘肃黑方台党川6#滑坡体为例,基于滑坡体北斗和位移计时序监测数据,首先利用深度学习框架Tensorflow分别构建3种循环神经网络滑坡位移预测模型：简单循环神经网络(simple recurrent neural network,SimpleRNN)、长短期记忆网络(long short-term memory,LSTM)和门控循环单元(gated recurrent unit,GRU),并进一步针对循环神经网络在参数设置时多采用经验手动调参或采用网格搜索法,易造成人为主观影响较大和计算效率低下的突出问题,引入遗传算法（genetic algorithm,GA）优化循环神经网络参数的自动最佳化选取,分别构建3种基于遗传算法改进的循环神经网络滑坡位移高精度预测模型：GA-SimpleRNN、GA-LSTM、GA-GRU。研究结果表明,改进参数自动寻优后的3种循环神经网络预测模型具有更优的预测性能,特别是GA-GRU模型预测精度最高,更适用于滑坡体长时序位移的高精度预测。 相似文献
12.
以贵州省水城县为研究区,使用SBAS InSAR分别对2018-07~2019-07鸡场镇滑坡发生前31期升轨和30期降轨Sentinel-1A数据进行处理,提取地表形变场。结果表明：1）鸡场镇滑坡发生前SBAS InSAR形变场并未出现明显形变,已超出12 d重访周期SAR的形变监测能力;2）研究区存在5个明显形变区,推断与斜坡失稳、地下/露天采矿和矿物加工的抽排水有关;3）升降轨数据的SBAS InSAR形变场相互补充、验证,可显著提升卫星雷达对山区滑坡隐患早期识别和形变监测能力。研究方法可为贵州省以及中国西南山区滑坡隐患调查与早期识别提供技术参考。 相似文献
13.
研究库水位波动和降雨影响下滑坡的位移变形特征并分析其破坏机制，对了解三峡库区滑坡的演化过程具有重要意义。以奉节曾家棚滑坡为例，基于GPS地表监测位移分析了滑坡在不同特征库水位运行阶段的变化规律，结合灰色关联度模型确定了滑坡不同部位的变形在不同阶段的主要控制因素，借助GEO-Studio软件模拟了曾家棚滑坡在历史降雨和库水位波动耦合作用下的稳定性变化，并与定量分析结果进行了交叉检验。结果表明:曾家棚滑坡的运动状态随时间变化，从缓慢蠕变状态进入阶跃变形状态。平面上，中东部坡体与西部坡体相比，运动更加强烈；剖面上，前缘变形早且变形量大。曾家棚滑坡变形失稳过程为初期蓄水启动了曾家棚古滑坡，前缘首先发生变形；降雨作为中后期主控因素，和库水位波动联合作用共同诱发了滑坡多次阶跃变形，使滑坡前中后部形成贯通裂缝；最终由二十年一遇的暴雨诱发滑坡发生整体破坏。 相似文献
14.
滑坡变形演化特征一直是滑坡灾害预测与防治领域急需解决的关键问题, 但对于多层滑带滑坡的变形演化特征却少有研究。以物理模型试验为手段建立了三层滑带滑坡物理试验模型, 完成了多层滑带滑坡变形演化全过程的模拟。基于PIV技术获取坡表位移数据, 通过柔性测斜仪监测滑坡深部位移, 同时布设土压力盒获取滑坡内部土压力的变化情况, 实现了多层滑带滑坡演化过程多参量数据分析。试验结果表明, 多层滑带滑坡破坏过程可分为初始、等速、加速和破坏4个阶段。不同破坏阶段滑坡的主要变形区域不同, 下层滑体受到上层滑体牵引作用, 在重力和推力作用下滑坡变形逐渐向浅层发展。变形过程中滑坡应力逐渐向滑带集中, 滑坡推力沿埋深方向呈多级梯形分布。加速变形阶段滑带处应力迅速增大, 滑坡体内产生多层应力集中带, 滑带位置推力变化与滑坡位移显著相关。 相似文献
15.
滑坡是水库库区主要地质灾害类型之一,开展水库滑坡成因机制研究具有重要理论意义和工程应用价值.利用WebofScience(WoS)数据库和VOSviewer文献计量工具对1999-2018年已发表的969篇以水库滑坡为主题的相关论文进行研究趋势分析.文献计量分析表明三峡库区滑坡稳定性和变形研究是未来水库滑坡成因机制研究主要趋势.从库水对滑坡的宏观力学作用方式、库水作用下岩土体渗流应力耦合机理和库水对岩土体劣化作用过程等方面,对国内外水库滑坡成因机制研究的主要成果与进展进行了综述.综合现有的研究成果指出水库滑坡在精细化地质建模、岩土体多场耦合特征参数获取和岸坡长期演化评价等方面尚存在不足.基于上述问题,提出水库滑坡成因机制研究应以多场信息监测为重要手段,立足多学科交叉,采用大数据融合与挖掘和人工智能技术等解决水库滑坡长期演化趋势难题.考虑水库滑坡所处地质环境的复杂性,建议未来应在水库滑坡立体精细地质建模、多场关联监测、地质结构多场多尺度演变过程、基于监测数据大数据分析的滑坡预警阈值确定和原位试验综合平台构建等方面进一步深入研究. 相似文献
16.
In order to reach the designated final water level of 175 m, there were three impoundment stages in the Three Gorges Reservoir, with water levels of 135 m, 156 m and 175 m. Baishuihe landslide in the Reservoir was chosen to analyze its displacement characteristics and displacement variability at the different stages. Based on monitoring data, the landslide displacement was mainly influenced by rainfall and drawdown of the reservoir water level. However, the magnitude of the rise and drawdown of the water level after the reservoir water level reached 175 m did not accelerate landslide displacement. The prediction of landslide displacement for active landslides is very important for landslide risk management. The time series of cumulative displacement was divided into a trend term and a periodic term using the Hodrick-Prescott(HP) filter method. The polynomial model was used to predict the trend term. The extreme learning machine(ELM) and least squares support vector machine(LS-SVM) were chosen to predict theperiodic term. In the prediction model for the periodic term, input variables based on the effects of rainfall and reservoir water level in landslide displacement were selected using grey relational analysis. Based on the results, the prediction precision of ELM is better than that of LS-SVM for predicting landslide displacement. The method for predicting landslide displacement could be applied by relevant authorities in making landslide emergency plans in the future. 相似文献