苏州阳山东侧滑坡变形对下部采空区的响应分析

为了查清苏州阳山东侧消防通道地表变形和开裂的原因,现场钻探取凝灰岩样品进行测试,并在现场布置地表位移监测点30个、路面沉降监测点13个、深部水平位移监测点4个,对山体变形进行监测。监测结果表明,自2021年11月至2022年5月,山体表面最大位移超过80 mm,位移速度为0.5 mm/d,且地表各点位移速率不同,岩土体变形不协调,易导致岩土体破坏或滑坡事件发生。深部位移监测结果表明：山体中发生水平位移的岩体深度超过30 m,最大深部位移达14 mm;结合气象数据分析认为,降雨入渗对边坡稳定性影响较小;山体稳定性主要受下部采空区塌陷影响,山体下部和坡顶有多处地表开裂和错动现象。目前山体变形正处于等速蠕变阶段,如不控制边坡变形,岩土体位移达到加速蠕变阶段后易发生灾变。数值分析结果表明：在山体位移和采空区范围不断增大作用下,若阳山东侧前缘塌陷持续扩大,将对山体稳定性产生较大威胁。研究成果对阳山地区采空区影响下滑坡稳定性分析和滑坡治理具有指导意义。     

基于多模块的松散土质滑坡灾害综合预警模型研究

以辰溪县大水田乡窝棚溪滑坡为研究对象,通过远程全自动变形监测系统获取滑坡体的地表位移、深部位移、地下水渗压、土壤含水率及诱发降雨量等监测数据,在对数据筛选、处理的基础上,分析滑坡的变形特征,确定单体滑坡预警模型评价指标,通过建立滑坡发生概率预警模型、基于孔隙水压力的滑坡启程机制模型和基于降雨渗流过程的滑坡稳定性系数模型,提出松散土质滑坡灾害预警预报临界值的等级划分标准.结果表明,当孔隙水压力大于50 kPa,滑坡稳定性系数大于1时,滑坡处于加速变形阶段.根据每个监测点分别所达到的3个标准的最高预警级别,综合判断滑坡为黄色及以上预警等级.     

基于长短时记忆与多影响因子的滑坡位移动态预测

针对传统滑坡位移预测模型存在对历史数据遗忘的问题,提出了一种基于长短时记忆（LSTM）网络的滑坡位移动态预测模型。首先,将滑坡累计位移分解为趋势项位移与波动项位移,利用多项式拟合预测趋势项位移;然后,通过灰色关联度筛选外界诱发因子并运用LSTM模型预测波动项位移;最后,叠加周期项位移与波动项位移,得到累计位移。以新滩滑坡为例,并与RNN模型以及传统静态神经网络模型BP、ELM进行对比分析,采用平均百分比误差（MAPE）,均方根误差（RMSE）,拟合优度（R2）分别对其进行评价。应用结果表明：相比于传统静态模型,LSTM与RNN均适用于滑坡位移动态预测;对比结果显示,LSTM模型具有较好的预测精度,MAPE与RMSE值分别为1.026%、0.327 mm,拟合优度R2为0.978。     

山区公路边坡远程监测分析及综合预测预警研究

以湖南娄新高速公路边坡地质灾害监测预警为例,选择典型滑坡安装了远程监测系统,捕捉了滑坡体局部变形破坏的全过程;通过滑坡时空演化规律的分析,表明滑坡在降雨作用下表现出从前向后逐步扩展的“渐进后退式”变形破坏模式,滑坡时间变形曲线呈现出与日降雨量密切相关的阶梯状演化特征。从滑坡裂缝体系分布特征来分析,滑坡失稳演化处于加速变形阶段。通过调用边坡变形预测模型库进行变形跟踪预测对比分析表明,灰色-时间序列模型预测精度最高,可以选择该模型进行降雨型滑坡变形跟踪预测。根据变形与日降雨量的加卸载响应比分析,表明滑坡监测点的加卸载响应比时序曲线与滑坡变形失稳过程相吻合。最后采用有效降雨量模型进行了地质灾害区域预警,发布了相关预警信息。通过在娄新高速公路滑坡的系统应用,有效地验证了远程监测系统和预测预警方法的科学性和时效性,为公路边坡地质灾害防灾减灾提供了新的手段和方法。     

典型山区高速公路边坡远程监测系统应用及预测预警分析

以湖南娄新高速公路边坡地质灾害监测预警为例,选择典型滑坡安装了远程监测系统,捕捉了滑坡体局部变形破坏的全过程;通过滑坡时空演化规律的分析,表明滑坡在降雨作用下表现出从前向后逐步扩展的"渐进后退式"变形破坏模式,滑坡时间变形曲线呈现出与日降雨量密切相关的阶梯状演化特征。从滑坡裂缝体系分布特征来分析,滑坡失稳演化处于加速变形阶段。通过调用边坡变形预测模型库进行变形跟踪预测对比分析表明,灰色-时间序列模型预测精度最高,可以选择该模型进行降雨型滑坡变形跟踪预测。根据变形与日降雨量的加卸载响应比分析,表明滑坡监测点的加卸载响应比时序曲线与滑坡变形失稳过程相吻合。最后采用有效降雨量模型进行了地质灾害区域预警,发布了相关预警信息。通过在娄新高速公路滑坡的系统应用,有效地验证了远程监测系统和预测预警方法的科学性和时效性,为公路边坡地质灾害防灾减灾提供了新的手段和方法。     

降雨型滑坡现场模拟试验研究

通过现场模拟人工降雨条件下诱发滑坡,在整个过程中,对坡面裂隙、土体深部位移、孔隙水压力、地表径流等进行实时监测,探求在降雨情况下的滑坡成灾特征及机理.试验得出了土体抗剪强度指标、滑动面形态特征等物理力学参数.降雨使土体吸水饱和,渗透性降低,抗剪强度降低,进而产生边坡失稳.通过数值模拟,得到降雨入渗过程中边坡稳定性、应力场和位移场的变化趋势.流一固耦合情况下边坡稳定系数比非耦合时降低5%,说明动水力对降雨型滑坡具有影响作用.     

基于小波神经网络的某边坡预测研究

边坡的地表位移监测是滑坡安全监控中的重要内容,对监测资料进行及时、合理和有效的分析,获取滑坡变形规律和安全状况是滑坡监测的重要工作之一。文章将基于BP算法的小波神经网络预测模型引入变形监测预报中,对工程实例进行了预测。结果表明小波神经网络预测可以取得良好的效果,且自适应预测能力较强。     

基于时间序列与时间卷积网络的滑坡位移预测

滑坡位移预测作为滑坡监测预警的重要组成部分,对滑坡灾害的防治具有重要意义。目前,滑坡位移预测大多集中在循环架构的神经网络模型上,其存在梯度爆炸、消失问题等问题。为此,提出了一种基于时间序列与时间卷积网络(time convolution network, TCN)的滑坡位移预测模型。首先,该模型通过移动平均法将滑坡位移分解为趋势项位移和周期项位移。其次,采用Holt线性趋势模型预测趋势项位移,并建立时间卷积网络预测周期项位移。最后,将趋势项位移和周期项位移叠加,实现滑坡位移的预测。将该模型用于八字门滑坡的观测研究,结果表明：该模型相较于循环架构的神经网络模型能更有效地提取时序特征,预测精度更高。将基于TCN的滑坡位移预测模型应用于滑坡位移预测具有广阔的应用前景。     

基于主成分分析和长短期记忆网络的滑坡地表位移监测数据缺失插补算法

在滑坡地表位移监测过程中,由于设备工作异常或恶劣气候的干扰,原始数据会随机出现长时间序列的缺失,这类数据对滑坡的预警和预测有很大的影响。针对上述问题,提出了一种基于主成分分析(principal component analysis, PCA)和长短期记忆网络(long-short term memory, LSTM)的数据插补方法。首先利用PCA实现滑坡监测数据的降维和特征提取,消除数据间的相关性,然后建立基于LSTM的地表位移监测数据插补模型,对缺失数据进行插补。实验结果表明：该模型与BP(back propagation)神经网络等其他几种机器学习插补模型相比,平均绝对误差、均方根误差和平均绝对百分比误差分别为0.523、1.233和0.009,均优于其他几种模型;该模型能够较好地解决地表位移长时间序列数据缺失的问题。     

基于北斗三号远程监测系统的公路岩质边坡开挖变形分析

为确保G336神木段匝道岩质边坡开挖安全,设计并采用了北斗三号（BeiDou-3 Navigation Satellite System,BDS-3）远程监测系统对边坡开挖进行实时监测。该监测系统由数据采集与传输子系统、BDS数据解算子系统及数据发布管理子系统构成,能实现实时远程自动化变形监测。边坡开挖模拟发现：边坡岩土体水平与竖向累计位移均小于5 mm,日位移均小于3 mm,为保证施工安全,于是将累计位移预警值和日位移预警值分别设为4 mm与2 mm。位移监测发现：开挖过程中,边坡岩土体的竖向位移大于水平位移,能够率先反映边坡位移状态和变化趋势,因此,开挖过程中应重点关注边坡竖向位移以保证施工安全。采用强度折减法进行边坡稳定性分析时,可利用边坡岩土体位移突变来判断边坡是否稳定,模拟发现坡脚处不存在位移突变特征,因此监测点应尽量选取边坡中上部或者塑性带附近。     

基于马尔科夫——灰色BP神经网络组合模型的深基坑变形预测研究

建立马尔科夫—灰色BP神经网络组合模型是为了更加科学合理预测深基坑压顶水平位移,提高预测精度.比较分析BP神经网络模型与串联式灰色BP模型的预测结果,建立马尔科夫链修正的灰色BP组合模型,以汕头市某花园酒店扩建工程的基坑压顶水平位移的实测数据为研究对象,通过比较模型预测结果与实际结果,检验其深基坑预测模型的精度.实例证明,经马尔科夫链改进的灰色BP神经网络组合模型的预测精度优于单一模型,更适合用于样本少、随机波动性大的深基坑变形预测.马尔科夫—灰色BP神经网络组合模型对深基坑压顶水平位移的预测不仅精度高,同时反映出数据序列发展变化的总体趋势和系统之间各状态的规律,为深基坑压顶水平位移预测提供了一种新方法.     

新建并行道路对高铁桥墩位移响应的可靠性研究

为了研究软土地区新建并行道路对既有高铁桥墩位移的时变影响,以沪宁杭高速铁路某工程为背景,构建三维有限元模型并进行桥墩位移的参数敏感性分析,利用时变响应面法得到桥墩位移与敏感系数较大的土体参数的相关关系,根据响应面函数进行桥墩位移的概率分布计算,并评估桥墩位移的可靠概率。研究结果表明：桥墩位移对土体泊松比、回弹曲线斜率、临界状态斜率的敏感性系数较大;高铁桥墩位移响应面函数预测值与有限元模型计算值的相对误差在5%以内,响应面函数预测结果可靠;随着土体固结时间延长,桥墩最大横向位移不断减小,稳定后大部分桥墩的横向位移保持在2 mm以内;通过时变响应面函数拟合有限元计算结果,可以提高计算效率,获得考虑软土固结效应时既有高铁桥墩位移的可靠概率,为类似桥墩位移的预测提供一种较实用的方法。     

用灰色理论确定边坡最优监测点及安全系数

采用基于位移判据的强度折减法分析边坡的稳定性。在坡高为20 m、坡角为45°的均质土坡的临界滑移线内外,按照坡面上、中、下各自布置3个监测点共9个监测点,通过FLAC3D自带的FISH语言,开发数据记录工具,记录不同监测点的水平位移与折减系数,并分析它们的关系。为了确定最优监测点以减少工作量和经费,运用灰色理论软件,通过对安全系数序列和各个观测点的水平位移序列进行灰色关联度分析,得出各个观测点的水平位移观测序列与安全系数序列之间的灰色(邓氏)关联度和相对关联度,通过分析对比关联度确定最优监测点;利用GM(1,1)预测模型对安全系数和最优监测点的水平位移进行预测。研究结果表明:与安全系数序列的邓氏关联度较大的1,2,4,5监测点可作为最优监测点;当安全系数为1.120 47时,各个监测点的水平位移达14.910～40.842 m,临界安全系数为1.120。     

基于极限学习机和熵值法的岩土灾变预警

滑坡的监测和预测是降低滑坡灾害的有效手段和可行方法。传统监测手段时效性差,采用统计预报模型、确定性模型等模型建立的预测模型精度相对较低。为了改善此问题,提出了一种基于综合测量、以极限学习机与熵值法结合的滑坡预警研究方法。通过分析滑坡的影响因子,搭建滑坡模拟监测平台,由多传感器实时监测到雨量、土壤浅层含水率、土壤深层含水率、下滑应力、地下位移、地表位移等影响滑坡的综合因子。将熵值法用在滑坡的评价中,将其综合评分作为危险性参数及综合测量参数作为训练样本,搭建极限学习机模型。结果表明:在综合测量方法下,将熵值法与极限学习机算法结合的预警模型得到的结果与实际情况一致,预测值与测量值吻合;其精度为98.48%,比BP神经网络精度更高;且网络的学习速度明显提高。可见该方法对滑坡预测的可行性,适用于复杂非线性的滑坡预测中,为建立滑坡预警模型提供了一种可行方法。     

基于诱发因素响应与BP神经网络的滑坡位移预测预报

三峡库区地质灾害有滑坡、崩塌、泥石流、塌陷、地面沉降、地裂缝等,其中主要以滑坡为主.为深入研究滑坡的变形特性,建立滑坡位移与其影响因素之间的预测预报模型,本文以三峡库区白家包滑坡为例,基于时间序列分析方法,提取滑坡趋势项位移及周期项位移.针对趋势项位移,采取多项式拟合,针对周期项位移,选取库水位、降雨量、月间库水位变化量、2个月累计库水位变化量、当月降雨量、两月降雨量作为周期项位移的影响因子,建立周期项位移与影响因子之间的BP神经网络预测预报模型.最终基于时间序列的加法模型,将趋势项位移与周期项位移进行叠加,即为预测位移.研究结果表明,该预测预报模型基本反映了滑坡累积位移的整体趋势,具有一定的工程意义.     

变权组合预测模型在郑西高铁某路桥过渡段 不均匀沉降监测中的应用

路桥过渡段不均匀沉降是造成高速铁路行车安全重要隐患之一.以郑州-西安高速铁路某路桥过渡段为例,在分析不均匀沉降机理基础上基于灰色GM(1,1)模型和二次曲线趋势外推法建立了变权组合预测模型,并利用针对该过渡段设计的监测方案所获取的沉降监测数据进行验证.结果表明:该模型在后5个监测期内,D_1、D_2监测点实测值和预测值最大差值是0.20 mm,预测误差平方最大值为0.048,满足预测精度要求.未来3年内监测点D_1、D_2累计沉降量分别为7.55 mm和15.31 mm,在无其他特殊因素作用下,该路桥过渡段的不均匀沉降将继续保持稳定状态,不会影响行车安全.     

基于变分模态分解和AMPSO-SVM耦合模型的滑坡位移预测

滑坡是一种严重威胁危害居民生命财产安全的自然灾害,滑坡位移预测有助于预测滑坡等自然灾害.滑坡体监测数据的处理和预测模型的建立是滑坡位移预测的基础.针对当前时间序列分析中应用广泛的EMD、EEMD分解算法的缺陷,将具有严格数学理论支撑且分解个数可控的变分模态分解算法应用于位移时间序列分解,以获得滑坡位移子序列.将自适应变异粒子群优化算法(AMPSO)和支持向量机(SVM)相结合,构建AMPSO-SVM位移预测耦合模型.运用耦合模型对分解所得位移子序列分别进行预测,然后重构子序列预测结果得到总位移预测值.以三峡库区白水河滑坡XD1监测点为例,针对2007～2012年监测数据,设置不同情景以验证所提出预测模型的有效性及稳定性.实例分析表明,基于变分模态分解和AMPSO-SVM耦合模型对于滑坡位移的预测性能优于BP神经网络预测模型和网格搜索优化的SVM模型,在滑坡位移预测中有良好的理论基础及工程应用价值.     

变权组合预测模型在滑坡预测中的应用

为探讨变权组合预测模型在滑坡预测中的应用,以湖北省秭归县新滩滑坡为例,以A3点实际监测数据为基础,采用基于灰色预测法、Verhulst模型预测法以及协同预测法的变权组合预测方法,对新滩滑坡部分监测点位移进行了建模和预测。预测结果表明,利用变权组合预测方法,比单纯运用某一种预测方法,预测精度更高,误差平方和最多相差10.408,最少相差0.184。该方法可应用于实际工程。     

边坡开挖支护三维变形监测与数值模拟研究

目的 研究边坡开挖对边坡失稳的破坏,对边坡开挖及桩锚支护过程进行数值模拟分析,确保边坡处于安全施工之中。方法 以长沙市月华街南段道路K0+090边坡为案例,使用二次开发下的TCA2003全站仪对边坡冠梁上P1～P7的7个监测点进行对支护结构水平与竖直方向位移监测;使用天宝DINI03高精度数字水准仪对坡顶建筑上W1～W4的4个监测点进行对坡顶建筑物沉降监测;使用测斜仪对CX1、CX2两根侧斜管进行土体及支护结构的深层水平位移监测;采用ABAQUS有限元软件对道路K0+090段边坡的开挖及桩锚支护过程进行三维数值模拟分析,以确定该段边坡在4种工况下的支护桩及冠梁位移与坡顶建筑物沉降变化;结果 现场测量出的P1～P7监测点X、Y和Z方向坐标与初始坐标最大差值的绝对值分别为0.3 mm、0.2 mm、0.2 mm;数值模拟结果表明：边坡开挖及支护过程中坡顶建筑物的沉降值远小于累积报警值10 mm;现场监测与数值模拟在支护桩及冠梁X方向水平位移最大值差值为0.79 mm;在坡顶建筑物竖向位移最大值差值为0.50 mm。结论 边坡土体及支护结构呈现出朝坡外倾斜的趋势,且水平位移由上到下不断的减小...     

水热变化对季节冻土区牵引式滑坡变形的作用机制——以2020年8月11日西和县大型滑坡为例

季节冻融作用诱发滑坡的机制一直缺少定量化的研究结果,这源于缺少相应的理论模型。为了重构滑坡的变形过程并分析其变形机制,首次基于热力学理论,建立了季节冻土水分、温度和变形相互耦合的数值模型,阐述了水分变化对变形的作用机制。该模型的优点是能够体现冻土边坡中冻融作用引发的水分迁移过程和水分不均匀分布状况,并从水分对土体强度影响的角度来分析边坡稳定性。以2020年8月11日甘肃陇南市白冯村发生的大型滑坡为例,利用该数值模型计算了该滑坡处置前后边坡的水热和变形过程,并对其变形机制和稳定性进行了分析。结果表明,冷季水分向冻结锋面迁移并冻结成冰,暖季活动层内冻土融化导致液态水含量增加,从而使冰透镜体所在位置变成了潜在滑移面。在外部荷载(暴雨等)作用下,滑体会沿着该滑移面产生滑动,这便是季节冻土区边坡中的水分迁移过程及其对滑体滑动的作用机制。此外,案例分析表明,滑坡处理前边坡最大垂直变形和最大水平变形分别为72.41 cm和68.57 cm。设置抗滑桩后,边坡达到稳定状态时的最大垂直变形和最大水平变形分别为2.60 cm和2.72 cm,稳定性显著提升。而且,滞水层高度的提升导致边坡垂直和水平变形0-...