共查询到19条相似文献，搜索用时 109 毫秒
1.
库水和降雨直接导致水库滑坡地下水变动,是诱发滑坡的主要因素。已有研究大多是基于监测数据探讨库水与降雨对滑坡变形的影响,未能揭示水库滑坡地下水响应规律,地下水浸润线计算模型没有同时考虑降雨和库水的影响,且模型边界条件与水库滑坡实际情况差别较大。为了揭示大型水库滑坡地下水动态响应规律,需要构建更接近实际情况的地下水位浸润线计算模型。通过三峡水库石榴树包滑坡地下水动态监测,揭示了库水水位变化和降雨条件下滑坡地下水水位动态响应规律,其地下水渗流场近似层流,滑坡前缘和中部的地下水水位与库水位几乎同步,滑坡后部的地下水水位主要受降雨影响,日降雨30 mm会引发地下水水位明显变动。在周期性库水位变化和随机降雨耦合条件下,建立了滑坡地下水非稳定渗流微分方程,解算出水库滑坡地下水位浸润线计算模型,并采用实际监测结果进行了验证。应用计算模型分析了不同工况条件下的滑坡渗流场,并得出滑坡内距前缘水平距离145 m内,库水对地下水有影响;引发地下水变动的降雨和库水位变化阈值分别为0.03,0.1 m/d,且不同的条件组合下降雨和库水位对地下水水位影响存在一定差异。 相似文献
2.
众所周知,库水位变化和降雨复合动力往往是水库型滑坡的变形和破坏主因。本文在系统分析水库型边坡位移、库水位及降雨变化规律基础上,提出与确定了降雨与库水动力转换系数k的计算方法,并通过转换系数k将降雨动力与库水动力这两种不同的水动力增载效应进行了有机耦合叠加,建立了复合水动力增载参数的计算方法。并将复合水动力变化量及其位移变化量作为动力增载及其响应参数,建立了水库型滑坡复合水动力增载位移响应比物理预测参数与模型。同时,运用该模型对白水河滑坡复合水动力作用下的稳定性演化规律进行了系统分析与评价,结果表明该滑坡复合水动力增载位移响应比的变化规律与其稳定性动态演化规律相吻合,表明复合水动力增载位移响应比参数是一种水库型滑坡有效的物理评价参数,可运用该物理评价参数与预测模型对该类滑坡稳定性进行分析与评价。 相似文献
3.
三峡库区树坪滑坡变形失稳机制分析 总被引：8，自引：0，他引：8
树坪滑坡自2003年三峡水库蓄水以来,就一直持续变形。为了对其稳定性及变形发展趋势进行评价和预测,有必要对其变形失稳机制进行深入研究。为此,采用现场地质调查和勘探的方法确定了滑坡的形态和性质;充分挖掘变形监测数据,详细分析了滑坡的变形特征。在此基础上,深入研究了变形失稳机制及影响因素,并对滑坡的稳定性进行了计算和预测。结果表明,滑坡区地形、岩性及地质构造等地质因素控制了树坪滑坡的形成和发展;库水位下降和大气降雨进一步激励了滑坡的变形。库水位下降,坡体内地下水位随之下降,但其速度远小于库水位下降速度,导致坡体内水力梯度和渗透力明显增大,从而使滑坡稳定性急剧下降,并且库水位下降速度越快,滑坡的位移速率也越大,是典型的水库下降型滑坡。在库水位下降过程中,若出现明显的降雨过程,更加剧了滑坡的变形,有产生大规模滑动的可能性,须采取防护治理措施。 相似文献
4.
库区滑坡失稳每年不同程度影响区内人民生活和生产安全,滑坡位移精准预测对于灾害风险预警及防灾减灾十分重要。常规的位移预测方法未充分考虑降雨、库水位波动等诱发因素对滑坡变形的时滞效应,无法精确识别滞后天数及各因素的影响程度,制约了预测精度的提高。本文以三峡库区新铺滑坡为例,根据2021年度的位移监测与水文气象数据集,利用皮尔逊相关系数法定量描述了山坡尺度上降雨、库水位波动对滑坡变形的时滞效应,结合BP神经网络建立了一种考虑时滞效应的滑坡位移预测模型。分析结果表明:在山坡尺度上,库水位波动对地表变形的时滞效应明显,滞后时间呈现出从近岸向远岸逐渐增加的规律;降雨量对地表变形的时滞效应较弱,在山坡尺度上呈现相关度不高、滞后天数较短的规律;与未考虑时滞因素的模型相比,本研究中的滑坡位移预测模型拟合优度提升了55.77%,均方根误差降低了31.60%,模型预测精度显著提高。研究成果一定程度上揭示了特大型库区滑坡的变形机理,并为同类滑坡的位移精准预测提供了参考依据。 相似文献
5.
库水位下降及降雨作用下麻柳林滑坡稳定性评价与预测 总被引：7，自引：0，他引：7
《地质科技情报》2017,(4)
研究库水位升降与降雨影响下三峡库区堆积层滑坡的稳定性变化特征,并对其进行预测具有重要意义。建立了三峡库区万州区麻柳林滑坡的地质模型,基于P-Ⅲ型分布曲线对降雨重现期进行分析后共设置了12种计算工况;利用Geostudio软件对滑坡稳定性进行了模拟。结果表明:库水位下降和降雨入渗均会使滑坡稳定性系数减小,不仅变化幅度与库水位下降速率和降雨强度均为正相关关系,而且滑坡稳定性对于降雨条件更加敏感。2种最不利工况条件下的滑坡稳定性系数分别为0.95和0.949,此时滑坡失稳破坏。利用灰色模型对最不利工况下的滑坡稳定性系数进行了滚动预测,其MAPE为2.86%,MSE为0.033,预测精度优于多项式模型。 相似文献
6.
塘角村1号滑坡是三峡库区地质灾害防治监测预警工程Ⅲ期应急专业监测点。监测方法为滑体深部位移监测、地表位移监测等。本文通过滑坡变形、库区降雨、库区水位变化等资料的相关分析,总结分析了该滑坡在空间和时间域内的变形特征。降雨强度和降雨量的大小是影响滑体变形速率的因素之一,下部滑体变形对于库区水位下降敏感,当水位在一段时期内按一定速率持续下降时,滑体变形速率明显加大。 相似文献
7.
白家包滑坡是具有滞后性“阶跃型”变形的滑坡代表,通过定性分析初步认为,库水位下降是白家包滑坡变形的主要影响因素,其影响程度大于降雨。为了进一步明确白家包滑坡变形对库水位波动和降雨的响应程度,本文根据库水位每年波动情况,将其划分为5个阶段,运用皮尔逊相关系数法对白家包滑坡变形与库水位、降雨的相关性进行定量计算,计算结果为各监测点变形与库水位、降雨都在5~6月份综合计算中相关程度最高,且变形与库水位最大相关性系数绝对值为0.75左右,大于变形与降雨的最大相关性系数(0.45左右)。为了充分消除库水位与降雨之间的相互影响,运用皮尔逊相关系数分别计算白家包滑坡变形与库水位、降雨的净相关性系数,最后将得到的净相关性系数与新建GPS自动监测点在2017~2018年的日变形位移和库水位、降雨对比分析,进行相关性验证。结果表明:白家包滑坡的变形对库水位下降的响应程度大于变形对降雨的响应程度,在库水位快速下降阶段响应程度最高,且与新建的GPS自动监测点监测结果吻合度较高。此结果与定性分析结果和皮尔逊相关系数法分析结果一致,该研究可对滑坡变形影响因素的定量分析提供科学的依据。 相似文献
8.
滑坡稳定性与地下水水位变化有密切的关系,准确预测滑坡地下水位的波动过程,能有效地开展滑坡预警并降低成本。利用中林滑坡的监测数据,建立降雨量和地下水水位的自回归分布滞后(ARDL)模型,能突破隐藏裂隙的优先流难以刻画的局限,确定降雨引起地下水水位变化的滞后时间、影响系数和有效时段。通过统计在不同降雨强度下地下水水位变幅的变异系数,分析影响滑坡地下水水位的有效降雨量阈值,并对ARDL模型进行修正。将模型预测值与实测值进行对比,验证模型对滑坡地下水水位预测的有效性。研究表明,修正后的模型能更好地预测强降雨条件下滑坡地下水水位迅速涨落的过程。 相似文献
9.
10.
有效利用滑坡监测资料掌握滑坡变形特征及其影响因素的主次关系是开展滑坡变形预测及工程治理的重要前提。因此,以三峡库区某滑坡为研究对象,基于滑坡位移监测、降雨量和库水位变化相关资料,对滑坡变形特征进行分析,研究表明该滑坡的变形与库水位下降及集中降雨具有明显的相关性;在此基础上,以滑坡位移变形速率为系统特征变量,选取当月降雨量、前两月降雨量、月库水位下降量、库水位下降速率为相关因素变量,运用灰色关联分析方法研究了系统特征变量与相关因素变量之间的响应程度,由灰色关联度的分析结果可知,前两月降雨量与当月降雨量、与该滑坡变形速率的响应程度最高,该滑坡变形的最大影响因素为降雨量,其次为库水位下降。鉴于此,建议进一步完善滑坡区排水系统,采取相应的工程防治措施。 相似文献
11.
Displacement prediction model of landslide based on a modified ensemble empirical mode decomposition and extreme learning machine 总被引：5，自引：1，他引：4
In this paper, an M–EEMD–ELM model (modified ensemble empirical mode decomposition (EEMD)-based extreme learning machine (ELM) ensemble learning paradigm) is proposed for landslide displacement prediction. The nonlinear original surface displacement deformation monitoring time series of landslide is first decomposed into a limited number of intrinsic mode functions (IMFs) and one residual series using EEMD technique for a deep insight into the data structure. Then, these sub-series except the high frequency are forecasted, respectively, by establishing appropriate ELM models. At last, the prediction results of the modeled IMFs and residual series are summed to formulate an ensemble forecast for the original landslide displacement series. A case study of Baishuihe landslide in the Three Gorges reservoir area of China is presented to illustrate the capability and merit of our model. Empirical results reveal that the prediction using M–EEMD–ELM model is consistently better than basic artificial neural networks (ANNs) and unmodified EEMD–ELM in terms of the same measurements. 相似文献
12.
基于BP神经网络的滑坡监测多源异构数据融合算法研究 总被引：1，自引：1，他引：0
针对滑坡监测中的多源异构数据融合问题，论文提出了一种基于BP神经网络的多源异构监测数据融合算法。该算法将影响滑坡变形的温度、湿度、风力、云量、单日降水量和累计降水量等多环境因子变量作为输入变量，以滑坡位移变化量数据作为期望输出数据，并利用各环境因子变量和滑坡位移变化量的相关性及显著性进行环境因子变量筛选，以提高算法的预测精度。论文采用甘肃省永靖县黑方台党川滑坡的实测数据进行了试验，结果表明:反向传播（Back-Propagation，BP）神经网络数据融合算法适用于具有多源异构监测数据的滑坡变形预测；在进行环境变量因子筛选后，BP神经网络数据融合算法的决定系数达到0.985，均方根误差（RMSE）达到0.4787 mm，从而有效提高了变形预测结果的精度。 相似文献
13.
为深入研究库区古滑坡变形特征及其复活机理,文章以三峡库区藕塘滑坡为研究对象,通过对钻孔、探槽及平硐等现场勘查资料和监测资料的深入分析,并结合数值模拟方法,探讨了藕塘滑坡的时-空变形特点及影响因素,并揭示其复活机制。电子自旋共振试验和现场勘查结果表明藕塘滑坡由三个次级滑体组成。监测数据显示:总体上,地表累计位移-时间曲线呈阶跃状变化,即雨季滑坡变形速率急剧加快,旱季则骤减;在空间上滑坡的变形速率随高程的增加而增加。库水和降雨是导致藕塘滑坡变形破坏的主要因素:滑坡下部区域变形主要受库水影响,而滑坡中、上部区域变形主要受降雨影响。数值模拟结果也进一步揭示了影响滑坡孔隙水压力响应的主控因素随滑坡高程的变化而变化。库水骤降使得坡体前部渗透压增大,同时强降雨使得坡体中部及上部孔隙水压力升高,二者共同作用下导致滑坡复活。此外库水位下降或降雨量增加,均会不同程度降低边坡的稳定性。以上结论对于指导实际工程及深化库区古滑坡的研究具有一定的理论意义,同时加强古滑坡的研究有助于丰富滑坡稳定性评价及预测预报方法,为古滑坡的治理提供一定的理论依据。 相似文献
14.
15.
16.
为了提高滑坡的预测精度,通过对灰色GM（1,1）模型与BP神经网络模型各自优缺点及互补性的分析,建立了GM—BP串联组合预测模型。模型首先采用等维动态GM（1,1）模型进行初步预测,然后利用BP神经网络对初步预测的结果进行训练及仿真,通过数据的归一化处理,参数的判定选取,获得组合模型预测值。以茅坪滑坡为例,对位移进行了预测。通过数据的对比分析,发现GM—BP串联组合预测模型在短期预测精度上高于单一模型。 相似文献
17.
我国滑坡灾害发生频繁,但滑坡的变形预测预报一直是难题,因此每年都因滑坡的变形破坏导致重大的人员伤亡和财产损失。以三峡库区八字门滑坡为研究对象,基于十多年的监测数据分析,研究分析了该滑坡的变形特征:八字门滑坡变形的主要影响因素为降雨和库水位下降,并且累积位移曲线具有"阶跃型"的变形特征。当外界因素去除或者减小的情况下,累积位移-时间曲线将变得平稳。根据此特性,选取每年变形曲线"阶跃段"（6~8月份）的监测数据,以累积位移为目标函数,基于一元线性回归模型,对八字门滑坡2004年到2017年同期的滑坡监测数据进行分析。结果表明:一元线性回归模型能够很好地模拟八字门滑坡"阶跃段"的变形过程,此变形阶段累积位移与时间呈线性关系,直线斜率基本相同。根据此线性关系,对滑坡的累积位移进行了预测,结果表明与实际监测数据相比较,预测误差在±5 mm以内,相对误差在1%以下,精度可以满足滑坡监测预警要求,可以为八字门滑坡的防治工作提供参考。 相似文献
18.
滑坡位移预测模型是滑坡预警系统建立的核心,而模型可靠性与精确性关键在于主控因子的选取与基础理论模型的构建。学者们通过大量滑坡实例研究,已取得了诸多成果,但是由于滑坡位移变化具有强烈的个性特征及趋势发展的不确定性问题,在多因子联合作用下的位移预测模型尚有不足之处。本文以西南地区普遍存在的平推式滑坡——垮梁子滑坡为研究对象,结合前人已有的研究成果,综合考虑坡体内外各项影响因子,利用灰色关联度与相关性分析对坡体变形主控因子进行优化筛选。以此为基础,提出一种基于GM（1,1）灰色模型与改进型自适应遗传算法（IAGA）进行优化的小波神经网络（WNN）联合预测模型构建方案。通过对垮梁子滑坡历时5年的监测数据挖掘分析,得知滑坡变形受累计降雨、渗压、地下水位及土体含水率影响显著,预测结果与实际监测比较吻合。相较于传统BP神经网络模型、小波神经网络模型和未优化遗传算法-小波神经网络联合模型,该联合模型具有更好的稳定性与精度优势,在滑坡预警预报研究中具有良好的应用前景。 相似文献
19.
从实测数据中分析滑坡灾害的成因机理,对于准确识别潜在危险区与及时制定防治措施十分重要。由于现场监测数据的数量庞大、来源多样,常规的数据处理方法难以从海量监测数据中提取出有用的信息,进而对滑坡变形演化趋势作出正确评价和预测。本文基于经典数据挖掘方法中的两步聚类法与关联规则分析,提出了滑坡变形行为的关联分析挖掘技术,并以长江三峡库区新铺滑坡为例,对库水位波动及降雨影响下的特大滑坡位移速率进行了关联分析。结果表明:该滑坡的变形受库水位高程水平、库水位波动速率与降雨强度等因素的多重影响,水位下降、强降雨与滑坡变形密切相关;滑坡不同空间位置处的变形影响因素存在差异,由坡脚至坡顶,库水位波动的影响水平依次降低,降雨强度的影响水平逐渐增强。本文提出的数据挖掘方法可定量分析滑坡变形的控制因素,并通过与实测数据的对比验证了相关规则的可靠性,这对于海量监测数据条件下滑坡灾害的成因分析有重要意义。 相似文献