排序方式： 共有2条查询结果，搜索用时 0 毫秒
1
1.
滑坡位移预测效果一方面取决于预测模型的优劣,另一方面取决于野外监测数据的质量。针对目前滑坡常规监测技术与评价方法的不足,本文采用光纤监测技术、监测数据与PSO-SVM预测模型相结合的评价方法,对三峡马家沟Ⅰ号滑坡的深部位移进行了预测;通过对320个滑坡深部位移光纤监测数据分析,基于时间序列法,将滑坡位移分为趋势性位移和波动性位移;趋势性位移采用拟合法进行预测,波动性位移采用PSO-SVM模型进行预测;最后将趋势项和波动项位移预测值叠加得到累积位移的预测值。研究结果表明,PSO-SVM模型对波动性位移预测的均方根误差0.51 mm,平均绝对百分误差0.37 mm,能准确预测滑坡波动项位移;累积位移预测值与实测值的相关系数为0.98,均方根误差为0.54 mm,预测效果较好,可以用来对滑坡深部位移进行短期预测。 相似文献
2.
针对传统感测技术存在的问题,本文采用BOTDR分布式光纤感测技术对马家沟滑坡抗滑桩变形进行长期监测分析。在BOTDR监测数据的基础上,对抗滑桩内力进行反演分析,然后与抗滑桩理论设计值进行对比,从抗滑桩内力分布状态及外在环境影响因素两方面对抗滑桩稳定性进行了分析和评价,结果表明:马家沟滑坡在距地表 19m和27 m深度处存在两条滑动面;2015年3月之前,马家沟滑坡整体变形较小,处于相对稳定状态,之后抗滑桩逐渐发挥抗滑作用;目前,抗滑桩剪力已接近设计值,抗滑桩处于不稳定状态,需要加强监测;抗滑桩的变形主要受库水位控制,降雨影响较小。库水位降低时,抗滑桩变形增大,库水位升高时,抗滑桩变形趋于稳定。BOTDR监测技术为长期化、精细化评价抗滑桩稳定性状态提供了十分先进的监测手段。 相似文献
1