滑坡预测

摘要： 为从滑坡历史数据中获取有效的预测预报信息,利用基于数据仓库的数据挖掘技术,结合已有滑坡多个维度的数据集,以巴东县新城区滑坡灾害分布作为研究对象,建立了滑坡灾害敏感性和灾害区划模型。结果表明:该模型对于滑坡空间分布的预测精度可达到87.5%左右,对于滑坡时间尺度上的预测精度较低,约为65%左右,其准确度可以满足工程要求;数据仓库和数据挖掘技术在地质灾害预测预报领域具有广泛的应用前景,较传统预测预报方法更为方便和迅捷。

摘要： 深部工程中岩体的复杂非线性力学行为认知与地质灾害的控制和预测,是矿山岩体力学界面临的主要挑战。具有负泊松比结构的负泊松比(negative Poisson’s ratio,NPR)锚杆具有拉不断、高恒阻力、理想弹塑性本构关系等超常特性,其恒阻力由NPR结构决定,与外载荷和岩体性质无关。NPR锚杆与岩体相互作用时,会改变岩体的力学行为,可实现岩体力学行为的降维与解耦分析;不仅可以对岩体大变形与冲击地压等地质灾害进行有效控制,同时可以通过小扰动控制的方式实现对岩体工程灾害发生机理的认知与预测,为解决深部岩体中复杂非线性问题开创了新的途径。本文介绍了NPR锚杆的静力与动力本构关系、NPR锚杆与岩体相互作用机理及其在冲击地压、滑坡等地质灾害控制与预测中的应用。

摘要： 危险性评价是滑坡灾害预测的关键性工作,通过分析滑坡的地质条件和灾害特征。利用逐步判别法从初始指标体系中筛选出关键因子,并基于逻辑回顾模型完成滑坡易发性区划。然后根据滑坡距离水系远近不同,将目标区域分为库岸区和非库岸区,对库岸区考虑不同库水位状态与不同降雨重现期下的滑坡时间概率;对非库岸区只考虑不同降雨重现期下的滑坡时间概率,最后综合时间概率和易发性结果得到滑坡危险性评价体系。在不同时期的库水位状态与不同降雨条件下的模拟预测结果在不同程度上反应该地区斜坡稳定性的本质特征,通过对滑坡危险性评价体系的建立,对滑坡灾害预测和评价更具有完善的参考依据。

摘要： 滑坡通常发生突然,破坏力巨大,经常造成重大生命安全事故和财产损失。高可靠性、高精度及具有抗差性能的滑坡形变监测预测手段和方法对于国家防灾减灾需求具有切实意义。InSAR技术是一种能够全天时和全天候观测获取高空间分辨率和宽覆盖率影像,高灵敏性捕捉时空维动态变化的监测手段,然而目前应用InSAR时序影像对滑坡区进行滑坡预测的工作仅是凤毛麟角。基于时序InSAR观测结果,本文提出了一种能够有效解决中短期滑坡预测问题的深度学习滑坡预测方法。在三峡新铺滑坡区应用N-BEATS网络模型和Sentinel-1 SAR数据进行形变预测,以均方根误差1.1 mm的预测精度完成了滑坡预测工作,并对预测结果进行了数据结构影响的规律性分析、传统方法效果对比、抗差性评估及置信区间估计等多方位的剖析,结果显示出了其高精度、高可靠性及具有一定抗差能力的突出优势。

摘要： 目前区域降雨型滑坡预测主要依赖降雨阈值开展,然而从降雨诱发滑坡机理可知,除降雨入渗导致的土壤含水量变化外,降雨入渗前的土壤含水量也是影响边坡失稳的重要因素,无法考虑降雨入渗前的土壤湿度情况,被认为是降雨阈值在滑坡预测中表现差的主要原因。针对这一问题,本文以四川省都江堰地区作为试验区域,提出考虑前期土壤湿度的区域降雨型滑坡预测思路,通过统计分析历史滑坡数据,构建了基于前期土壤湿度和近期降雨情况的水文-气象阈值模型,其中前期土壤湿度情况由改进的前期有效降雨指数刻画,近期降雨情况由最近的累积降雨量表示。试验结果表明:在试验区域的降雨型滑坡预测中,水文-气象阈值模型表现出较好的命中率和较低的误报率。本文构建的水文-气象阈值模型,可同时考虑前期土壤湿度和近期降雨对滑坡发生的影响,模型所需数据少、所用方法简单易操作且预测性能较优,适合在区域降雨型滑坡预测中推广应用。

摘要： 为了对斜坡的稳定性进行可视化分析和预测,论文以玲珑街道斜坡为例,结合数字高程模型TRIGRS,以及地形地貌、降雨等因素,运用降雨阈值模型对斜坡单元变形失稳所需的临界降雨量进行计算,并开展了斜坡失稳影响区及自然村庄适宜性分区评价;结合地质灾害防治规划,对自然村庄活宜性分区防治提出了建议。

摘要： 采用地质力学模型试验方法研究降雨诱发滑坡的演化过程。利用HCA726S倾角传感器、微型土压力传感器、孔隙水压力传感器、三维激光扫描仪等分别对滑坡模型倾角、应力、变形、坡面形态等进行高精度监测,通过倾斜变形、应力、位移云图及坡面形态变化,分析研究了滑坡倾斜变形及应力响应特征,总结了滑坡演化失稳过程。依据倾角传感器监测得到的角度-时间曲线,可以将滑坡演化过程分为基本稳定阶段、变形初始阶段和变形失稳阶段,并且由倾角传感器监测的数据与滑坡破坏过程中的坡面形态、变形云图以及坡体应力的变化基本一致。在变形初始阶段和变形失稳阶段,角度变化率的倒数与时间具有线性关系,建立了二者的线性方程。当线性方程的倾斜率倒数为0 min/(°)时,可得出滑坡开始破坏和完全破坏的时间。利用该线性方程预测的滑坡破坏时间与滑坡实际破坏时间基本一致。

摘要： 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。

摘要： 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。

摘要： 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.

摘要： 为了降低滑坡灾害对人民生命财产造成的损失,评估滑坡所造成的危害,提出了一种基于GIS的滑坡预测方法.该方法通过对滑坡形成机理的分析,构建了滑坡预测指标集,并采用卫星遥感技术对专题因子进行了定量反演,通过空间建模技术,在ArcGIS平台下建立了滑坡灾害预测模型.通过实地勘察验证,该模型具有较高的可行性和实用性,可为防灾减灾和应急抢险救灾预案的制定提供基础数据.

摘要： 本文通过对滑坡预测预报传统方法的介绍,引出目前新技术、新方法在其中的应用,尤其是详细介绍了3S技术与滑坡预测预报的结合,其中着重介绍了在区域滑坡预测预报中的应用.遥感技术(RS)可以及时、准确地提供不同时段的源数据;地理信息系统(GIS)凭借其强大的空间分析和空间数据库管理的功能,可以快速、高效地提取滑坡的基本要素以及进行空间模拟;全球定位系统(GPS)的应用为滑坡的监测提供了方便、准确的手段.本文以三峡库区云阳-巫山重点滑坡段为实例,对3S技术在滑坡预测预报中的应用进行了详尽的分析.

摘要： 边坡变形是一个受多种因素综合作用的复杂非线性动力学演化过程,用现有的物理模型来解决边坡变形的预测问题有很大难度.大量的研究工作表明,用实测的边坡位移时间序列来预测边坡未来变形更为准确,而将多种方法组合起来进行预测成为研究的主要趋势.在此基础上,建立了一种基于小波变换和进化最小二乘支持向量机(GALSSVM)的边坡位移预测模型.首先利用小波变换将边坡时间序列分解为低频分量和高频分量,然后利用互信息法和伪近邻法得到各分量的时间延迟和嵌入维数并进行相空间重构,再根据各个相空间的特点建立相应的GALSSVM预测模型,最后把各分量的预测结果进行小波重构,重构后的结果即为最终的边坡位移预测结果.对丹巴滑坡预测研究表明,这种新的预测模型具有较高的预测精度,可以应用于实际工程.

摘要： 本文对白银厂坝铅锌矿山一边坡进行了滑坡预报分析。滑坡的定量预报模型主要是根据滑坡监测数据，采用一定的数学方法所建立的坡体失稳破坏时间的预报模型，具体又包括确定性预报模型、统计预报模型、非线性预报模型三类。滑坡确定性预报模型主要是根据斜坡演化过程中所表现出来的宏观变形破坏迹象以及临近失稳阶段所显现的异常特征来判断和推测坡体所处的变形演化阶段、稳定性状况及可能失稳时间。

摘要： 为确保护坡建成后的安全运行,及时掌握坡体的健康状况,避免出现灾难性的后果,有必要对护坡结构进行变形监测,并通过变形分析对其变形趋势进行预报。本文探讨了应用GPS技术进行边坡监测的原理和方法,结合某边坡的实际监测资料对这一方法进行了分析论证,得出了该坡体位移的大小和方向,提出了滑坡预测模型,进而利用该模型和数据对坡体的变形进行了预报,对该区域的防灾工作提出了建议,同时也为GPS技术在变形监测中的应用提供了重要的参考价值。

摘要： 基于滑坡位移时间序列的非线性性质,建立了非线性动力学模型,获得了滑坡位移时间序列的确定方法.在此基础上,利用时间-位移回归分析法.获得滑坡积累位移时间曲线,由此可获得产生剧滑的时间,同时与传统的位移-时间曲线回归分析法所获得到剧滑时间进行了比较.结果表明,本文提出的基于非线性动力学和回归分析相结合的方法预测精度较高,可为滑坡剧滑时间的确定提供一种新的方法.

摘要： 本文在系统分析堆积层滑坡的物质组成和失稳动因的基础上,运用加卸载响应比理论的基本原理,首次提出了将降雨和孔隙水压力的变化作为该滑坡的加卸载参数,相应平均位移速率的变化值为加卸载响应参数,由此所确定的位移加卸载响应比作为堆积层滑坡的位移动力学参数,并根据堆积层边坡位移动力学方程论证了该位移动力学参数在滑坡预测预报的可行性和有效性.同时,研究和开发了该类边坡位移动力学参数的数字化视频实时监测系统,该系统是一个集光、机、电、软件为一体的高度智能化综合位移动力学监测系统,可有效地为该类滑坡位移动力学参数的监测以及滑坡的预测预报提供有力保障.

摘要： 本文综合考虑影响滑坡稳定性的众多因素，建立了基于人工神经网络的滑坡稳定性预测模型，并结合已有的工程实例对所建立的神经网络进行训练，在网络模型的训练过程中，还针对不同训练函数的训练效果进行了对比研究。最后针对湖北省兴山县高阳—峡口复建公路段沿线石佛寺Ⅰ、Ⅱ滑坡的稳定性问题进行了预测。结果表明，所建立的滑坡稳定性预测模型具有较好的预测精度，同时也说明了神经网络方法在滑坡稳定性预测中的有效性及良好的发展前景。

摘要： 本文综合考虑影响滑坡稳定性的众多因素，建立了基于人工神经网络的滑坡稳定性预测模型，并结合已有的工程实例对所建立的神经网络进行训练，在网络模型的训练过程中，还针对不同训练函数的训练效果进行了对比研究。最后针对湖北省兴山县高阳—峡口复建公路段沿线石佛寺Ⅰ、Ⅱ滑坡的稳定性问题进行了预测。结果表明，所建立的滑坡稳定性预测模型具有较好的预测精度，同时也说明了神经网络方法在滑坡稳定性预测中的有效性及良好的发展前景。

摘要： 本文综合考虑影响滑坡稳定性的众多因素，建立了基于人工神经网络的滑坡稳定性预测模型，并结合已有的工程实例对所建立的神经网络进行训练，在网络模型的训练过程中，还针对不同训练函数的训练效果进行了对比研究。最后针对湖北省兴山县高阳—峡口复建公路段沿线石佛寺Ⅰ、Ⅱ滑坡的稳定性问题进行了预测。结果表明，所建立的滑坡稳定性预测模型具有较好的预测精度，同时也说明了神经网络方法在滑坡稳定性预测中的有效性及良好的发展前景。

摘要： 本发明涉及一种滑坡形变聚集区预测模型生成方法，包括获取目标区域的合成孔径雷达干涉测量InSAR历史数据和数字高程模型DEM历史数据；根据所述InSAR历史数据和所述DEM历史数据，得到所述目标区域的组合影像数据样本集；根据所述组合影像数据样本集和预设初始深度学习模型，得到所述目标区域的滑坡形变聚集区预测模型。基于本发明得到的目标区域的滑坡形变聚集区预测模型，可为开展滑坡隐患识别等应用提供有价值的参考数据，且滑坡形变聚集区预测模型融合了InSAR及DEM的多源及多尺度特征，使用滑坡形变聚集区预测模型对目标区域进行滑坡形变聚集区的预测，可以有效提升预测精度。本发明还涉及一种滑坡形变聚集区预测方法。

摘要： 本申请提供一种滑坡位移预测方法、滑坡位移预测装置及存储介质，包括获取第一预设时间段内的第一坡面位移累计值；在Prophet模型中结合坡面对应的增长趋势、季节趋势、突发事件和噪声，根据第一坡面位移累计值分析坡面位移变化趋势；其中，增长趋势包括地形地貌、地层岩性、地质构造对坡面位移的影响；季节趋势包括降雨、温度对坡面位移的影响；突发事件包括地震、人工活动工程对坡面位移的影响；噪声为随机影响因素对坡面位移的影响；本申请基于Prophet框架进行滑坡位移的预测，充分考虑了各种环境因素对滑坡位移的影响，使得滑坡位移的预测结果更加准确。

摘要： 本发明提供一种滑坡点位移预测方法、预测设备及存储介质，方法包括以下步骤：重构形成重构项，采用结合t检验的CEEMD分解方法，分解出高频项、低频项和趋势项；将原始项、重构项、高频项和低频项作为周期项输入参数待选项，将趋势项作为趋势项输入参数待选项；使用CEEMD将滑坡累计位移时间序列数据得到滑坡位移周期项和滑坡位移趋势项；将滑坡位移周期项与周期项输入参数待选项对比进行优选；将滑坡位移趋势项与趋势项输入参数待选项对比进行优选；对群智能优化算法进行优选，与SVR模型结合，得到滑坡累计位移预测结果。本发明提出的技术方案的有益效果是：对滑坡位移影响较大的诱发因素进行优选，基于多群智能优化算法建立SVR预测模型，可提高预测精度。

摘要： 本发明涉及一种滑坡形变聚集区预测模型生成方法，包括获取目标区域的合成孔径雷达干涉测量InSAR历史数据和数字高程模型DEM历史数据；根据所述InSAR历史数据和所述DEM历史数据，得到所述目标区域的组合影像数据样本集；根据所述组合影像数据样本集和预设初始深度学习模型，得到所述目标区域的滑坡形变聚集区预测模型。基于本发明得到的目标区域的滑坡形变聚集区预测模型，可为开展滑坡隐患识别等应用提供有价值的参考数据，且滑坡形变聚集区预测模型融合了InSAR及DEM的多源及多尺度特征，使用滑坡形变聚集区预测模型对目标区域进行滑坡形变聚集区的预测，可以有效提升预测精度。本发明还涉及一种滑坡形变聚集区预测方法。

摘要： 本申请提供一种滑坡位移预测方法、滑坡位移预测装置及存储介质，包括获取第一预设时间段内的第一坡面位移累计值；在Prophet模型中结合坡面对应的增长趋势、季节趋势、突发事件和噪声，根据第一坡面位移累计值分析坡面位移变化趋势；其中，增长趋势包括地形地貌、地层岩性、地质构造对坡面位移的影响；季节趋势包括降雨、温度对坡面位移的影响；突发事件包括地震、人工活动工程对坡面位移的影响；噪声为随机影响因素对坡面位移的影响；本申请基于Prophet框架进行滑坡位移的预测，充分考虑了各种环境因素对滑坡位移的影响，使得滑坡位移的预测结果更加准确。

摘要： 本发明提供一种滑坡点位移预测方法、预测设备及存储介质，方法包括以下步骤：重构形成重构项，采用结合t检验的CEEMD分解方法，分解出高频项、低频项和趋势项；将原始项、重构项、高频项和低频项作为周期项输入参数待选项，将趋势项作为趋势项输入参数待选项；使用CEEMD将滑坡累计位移时间序列数据得到滑坡位移周期项和滑坡位移趋势项；将滑坡位移周期项与周期项输入参数待选项对比进行优选；将滑坡位移趋势项与趋势项输入参数待选项对比进行优选；对群智能优化算法进行优选，与SVR模型结合，得到滑坡累计位移预测结果。本发明提出的技术方案的有益效果是：对滑坡位移影响较大的诱发因素进行优选，基于多群智能优化算法建立SVR预测模型，可提高预测精度。

摘要： 本发明属于地质灾害预测技术领域，具体涉及一种堆积层滑坡位移预测模型及预测方法。具体为，先通过CEEMDAN分解算法将滑坡累计位移分解成本征模态分量和残余趋势项，紧接着利用fine to corase方法将IMFs重构成高频和低频分量，再通过小波降噪算法对高频分量进行降噪处理，然后将去噪后的高频和低频分量合成周期分量，最后使用LSTM神经网络分别对趋势分量和周期分量进行预测，两者的预测结果相加即为预测的累计位移。本文使用提出的模型对三峡库区的八字门滑坡进行了研究和预测。结果显示，所提出的模型，预测精度更高，这对位滑坡预测带来了新的解决方案。

摘要： 本发明提供一种基于切线角与多种滑坡模型的智能滑坡预测方法，仅需输入对滑坡监测结果的位移‑时间数据，即可自动判断出档期滑坡的危险程度，并能够综合各种滑坡预测模型对滑坡发生的时间做出预测。包括：对滑坡位移与时间结果进行卡尔曼滤波，并将滤波后的位移和时间曲线中位移做变换，除以匀速变形阶段的速度，获得变换后与时间量纲相同的纵坐标值；根据所述纵坐标值获取当前监测时段内曲线切线角，并根据所述曲线切线角判断当前滑坡所处发展阶段；并根据所述滤波后的位移和时间曲线，通过滑坡预测模型计算预测滑坡发生时间。

摘要： 本公开提供一种天然气管道滑坡累积变形曲线分析和滑坡预测方法，属于天然气管道地质灾害预测防治领域，包括：获取天然气管道滑坡累积变形监测数据，并对监测数据序列进行预处理和变形曲线趋势分析；建立灰色理论模型GM(1,1)的灰微分方程，得出天然气管道滑坡累积变形监测数据的时间响应序列方程，进行灰色模型GM(1,1)的残差检验；输出灰色模型GM(1,1)预测值，对单一预测模型各点按精度高低顺序赋予权值，求得第n期预测数据误差倒数的平方和达到的极小值，建立基于诱导有序加权调和(IOWHA)算子的动态灰色变形模型，在滑坡累积变形曲线趋势分析的基础上预测天然气管道滑坡的变形，达到可高效的、科学的提高天然气管道滑坡变形的预测精度的效果。

摘要： 本发明属于地质灾害预测技术领域，具体涉及一种堆积层滑坡位移预测模型及预测方法。具体为，先通过CEEMDAN分解算法将滑坡累计位移分解成本征模态分量和残余趋势项，紧接着利用fine to corase方法将IMFs重构成高频和低频分量，再通过小波降噪算法对高频分量进行降噪处理，然后将去噪后的高频和低频分量合成周期分量，最后使用LSTM神经网络分别对趋势分量和周期分量进行预测，两者的预测结果相加即为预测的累计位移。本文使用提出的模型对三峡库区的八字门滑坡进行了研究和预测。结果显示，所提出的模型，预测精度更高，这对位滑坡预测带来了新的解决方案。