基于影響因子的GM（1，1）－BP模型在八字門(mén)滑坡變形預(yù)測(cè)中的應(yīng)用

李德?tīng)I(yíng)，殷坤龍

（中國(guó)地質(zhì)大學(xué)工程學(xué)院，武漢 430074）

基于影響因子的GM（1，1）－BP模型在八字門(mén)滑坡變形預(yù)測(cè)中的應(yīng)用

李德?tīng)I(yíng)，殷坤龍

（中國(guó)地質(zhì)大學(xué)工程學(xué)院，武漢 430074）

滑坡的預(yù)測(cè)預(yù)報(bào)是世界性難題，特別是如何把外界影響因素定量計(jì)入到滑坡中長(zhǎng)期預(yù)報(bào)模型中。在滑坡中長(zhǎng)期預(yù)報(bào)模型適用性分析的基礎(chǔ)上，提出了基于影響因子的GM（1，1）－BP模型，該模型能考慮庫(kù)水位、降雨等外界影響因素。以三峽庫(kù)區(qū)八字門(mén)滑坡為例，在八字門(mén)滑坡工程地質(zhì)條件的基礎(chǔ)上，通過(guò)對(duì)位移、庫(kù)水位、降雨等監(jiān)測(cè)資料的分析，系統(tǒng)研究了八字門(mén)滑坡的變形特征、影響因素和變形破壞模式。在確定八字門(mén)滑坡影響因子的基礎(chǔ)上，分別采用本文模型、GM（1，1）模型和不考慮影響因子的BP神經(jīng)網(wǎng)絡(luò)對(duì)滑坡位移進(jìn)行了預(yù)測(cè)研究，發(fā)現(xiàn)本文模型預(yù)測(cè)精度較高。

八字門(mén)滑坡；變形預(yù)測(cè)；影響因子；BP模型

1 研究背景

滑坡預(yù)測(cè)預(yù)報(bào)是個(gè)世界性難題，至今仍處于科學(xué)探索階段。根據(jù)滑坡不同變形階段距離滑坡整體破壞的時(shí)間尺度不同，可將滑坡預(yù)報(bào)分為滑坡中長(zhǎng)期預(yù)報(bào)、短期預(yù)報(bào)和臨滑預(yù)報(bào)［1］?；逻M(jìn)入加速破壞前的預(yù)報(bào)為中長(zhǎng)期預(yù)報(bào)，由于滑坡變形過(guò)程的隨機(jī)性和不確定性，滑坡的中長(zhǎng)期預(yù)報(bào)往往很難對(duì)滑坡破壞時(shí)間做出準(zhǔn)確的預(yù)報(bào)，只能對(duì)滑坡的變形演化趨勢(shì)做出預(yù)報(bào)，可以說(shuō)滑坡中長(zhǎng)期預(yù)報(bào)是一種趨勢(shì)性預(yù)報(bào)。很多滑坡經(jīng)歷了緩慢的變形過(guò)程（幾年甚至數(shù)十年），變形受降雨、庫(kù)水位、人類工程活動(dòng)等因素的影響，如何定量反應(yīng)這些加、卸荷載因素和相互疊加的影響，是滑坡中長(zhǎng)期預(yù)報(bào)的難點(diǎn)。

滑坡變形一般可分為具有增長(zhǎng)特征的位移趨勢(shì)項(xiàng)和受降雨、庫(kù)水位等外界因素影響的位移偏離量。位移趨勢(shì)項(xiàng)可以采用具有指數(shù)特征的模型來(lái)反映，如GM（1，1）模型，位移的偏離量是一個(gè)非線性時(shí)間序列，可以考慮神經(jīng)網(wǎng)絡(luò)模型來(lái)表征。本文嘗試通過(guò)對(duì)八字門(mén)滑坡庫(kù)水位、降雨影響因素的定量分析，建立基于多影響因子的灰色GM（1，1）－BP模型，并在八字門(mén)滑坡變形趨勢(shì)（即滑坡的變形量的大?。╊A(yù)測(cè)中開(kāi)展應(yīng)用研究。

2 滑坡變形預(yù)測(cè)模型

2．1 滑坡中長(zhǎng)期預(yù)報(bào)模型分析

國(guó)內(nèi)外學(xué)者提出了大量中長(zhǎng)期預(yù)報(bào)模型，如時(shí)序分析理論、GM（1，1）模型、指數(shù)平滑法、卡爾曼濾波方法、分形理論、災(zāi)變模型、非線性動(dòng)力學(xué)模型、LURR模型、BP神經(jīng)網(wǎng)絡(luò)模型等［2］，總結(jié)起來(lái)，滑坡中長(zhǎng)期預(yù)報(bào)模型主要可分為4大類：統(tǒng)計(jì)預(yù)報(bào)模型、非線性預(yù)報(bào)模型、物理力學(xué)預(yù)報(bào)模型和耦合預(yù)報(bào)模型。

引入不同數(shù)理統(tǒng)計(jì)模型的統(tǒng)計(jì)預(yù)報(bào)模型，由于該類模型無(wú)法反映位移隨外界因素的波動(dòng)（如降雨和庫(kù)水位的波動(dòng)），故外延預(yù)報(bào)的功能較差；非線性預(yù)測(cè)模型是將處理復(fù)雜系統(tǒng)的非線性理論應(yīng)用到滑坡變形破壞演化研究的預(yù)報(bào)方法，這類模型還處于發(fā)展的初級(jí)階段，還需考慮滑坡的地質(zhì)模型、滑坡運(yùn)動(dòng)特征的差異和外界因素的變化；國(guó)外學(xué)者提出了一些物理力學(xué)預(yù)報(bào)模型預(yù)報(bào)滑坡變形速度，這些物理力學(xué)預(yù)報(bào)方法提供了精確的巖土體力學(xué)性質(zhì)數(shù)學(xué)描述，建立了反應(yīng)其內(nèi)在變化的函數(shù)關(guān)系，但是由于場(chǎng)地條件下的剪應(yīng)力無(wú)法通過(guò)準(zhǔn)確計(jì)算，故離實(shí)際應(yīng)用還有一斷距離；還有針對(duì)物理力學(xué)預(yù)報(bào)模型中場(chǎng)地剪應(yīng)力狀態(tài)難以確定的特點(diǎn)，一些學(xué)者還建立了基于穩(wěn)定系數(shù)和變形速度關(guān)系的耦合預(yù)報(bào)模型。綜上所述，由于三峽庫(kù)區(qū)八字門(mén)滑坡具臺(tái)階狀位移特征，滑坡受庫(kù)水位、降雨等影響變形有較大的陡增，所以建立能考慮降雨、庫(kù)水位影響因素的新模型是本文研究的重點(diǎn)。

2．2 基于影響因子的灰色GM（1，1）－BP模型建立

滑坡變形發(fā)展中累計(jì)位移－時(shí)間曲線都有單調(diào)遞增的特征，具有明顯的增加趨勢(shì)。對(duì)于有明顯趨勢(shì)的滑坡位移時(shí)間序列，可以把位移分為如下兩項(xiàng)［3］，

式中：xt是滑坡的位移觀測(cè)時(shí)間序列；st是滑坡位移的趨勢(shì)項(xiàng)；vt是趨勢(shì)項(xiàng)的偏離量。趨勢(shì)項(xiàng)受滑坡體的勢(shì)能和約束條件決定，對(duì)于具臺(tái)階狀位移特征的滑坡趨勢(shì)項(xiàng)具有明顯的增長(zhǎng)特征，可以用灰色GM（1，1）模型提取?；挛灰破x量受降雨、庫(kù)水位和人類工程活動(dòng)等的影響，是一個(gè)復(fù)雜的非線性序列，對(duì)于此序列可采用BP神經(jīng)網(wǎng)絡(luò)模型來(lái)描述。

典型的BP神經(jīng)網(wǎng)絡(luò)模型由輸入層、隱含層和輸出層構(gòu)成，同層的網(wǎng)絡(luò)節(jié)點(diǎn)之間互不連接；相鄰層神經(jīng)元相互連接，進(jìn)行單向信息傳遞。在不考慮影響因子的BP神經(jīng)網(wǎng)絡(luò)模型中，輸入層只有1個(gè)神經(jīng)元，為日期值；輸出層也只有1個(gè)神經(jīng)元，為斜坡的位移量；并由程序給出一系列隨機(jī)小量作為網(wǎng)絡(luò)各層神經(jīng)元的初始權(quán)和閾值。網(wǎng)絡(luò)學(xué)習(xí)過(guò)程實(shí)際上就是根據(jù)已知日期和位移量間的關(guān)系建立相應(yīng)的擬合曲線的過(guò)程，以此為基礎(chǔ)就可以對(duì)未來(lái)一定日期的位移量進(jìn)行曲線擬合式的預(yù)測(cè)。但是，對(duì)于三峽庫(kù)區(qū)八字門(mén)滑坡的位移偏離量是受庫(kù)水位、降雨因素影響的，故其變形預(yù)測(cè)可采用考慮基于影響因子的多參量BP神經(jīng)網(wǎng)絡(luò)進(jìn)行位移預(yù)測(cè)，其精度會(huì)比單純的BP神經(jīng)網(wǎng)絡(luò)模型要高。杜娟和殷坤龍等（2009年）曾對(duì)白水河滑坡采用了當(dāng)前月降雨量、兩月降雨量、月庫(kù)水位高程變化量及年內(nèi)總位移累計(jì)增量為影響因子對(duì)滑坡位移偏離量進(jìn)行了分析［4］。

本文針對(duì)三峽庫(kù)區(qū)八字門(mén)滑坡的位移特征，采用GM（1，1）模型提取滑坡位移的趨勢(shì)項(xiàng)，并建立基于影響因子的多變量BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)滑坡位移的偏離量，這個(gè)模型為基于影響因子的灰色GM（1，1）－BP神經(jīng)網(wǎng)絡(luò)模型，其具體過(guò)程如圖1。

3 八字門(mén)滑坡

3．1 滑坡簡(jiǎn)介

八字門(mén)滑坡位于三峽庫(kù)區(qū)秭歸縣歸州鎮(zhèn)香溪村，距三峽大壩壩址38 km。滑坡縱長(zhǎng)550 m，滑坡寬約為80～210 m，總面積13．5×104m2，滑體平均厚度約30 m，總體積約為400×104m3。八字門(mén)滑坡處于侵蝕構(gòu)造中低山山前斜坡，上陡下緩，滑坡后壁高程250 m，其坡度在40°～60°?；戮哂腥?jí)堆積平臺(tái)地貌，其中一級(jí)平臺(tái)高程222～225 m，二級(jí)平臺(tái)高程202～205 m，三級(jí)平臺(tái)140～162 m。一、二級(jí)平臺(tái)分布范圍小，規(guī)模小，地形坡度在5°～10°。三級(jí)平臺(tái)分布最廣，整個(gè)滑坡體內(nèi)均有分布，平距100～150 m，高差約為22 m，坡度在5°～10°（圖2）。二級(jí)平臺(tái)以上的地形坡度在20°～25°，二、三級(jí)平臺(tái)間的地形坡度在25°～30°，滑坡前緣的地形坡度10°～25°。

圖1 基于影響因子的灰色GM（1，1）－BP模型建模流程圖Fig．1 Flow chart of GM（1，1）－BPmodelling in consideration of influencing factors

圖2 八字門(mén)滑坡GPS監(jiān)測(cè)點(diǎn)布置圖Fig．2 Layout of GPSmonitoring points in Bazimen landslide

滑體主要為松散的崩坡積、坡積物，滑體自上而下可分為填筑土、粉質(zhì)黏土夾碎塊石層、碎石土層。八字門(mén)滑坡主要存在兩層滑帶：主滑帶和次級(jí)滑帶（如圖3）。①主滑帶：主滑帶為上部堆積體和下部基巖的接觸帶，滑帶物質(zhì)以粉質(zhì)黏土含角礫為主，軟塑－可塑，滑帶厚度0．7～3．6 m，一般1．0～2．0 m。②次級(jí)滑帶：根據(jù)鉆孔資料，次級(jí)滑帶厚度0．25～3．4 m，次級(jí)滑帶的滑動(dòng)特征、物質(zhì)組成等有差異，225省道以下滑帶為含黏性土的角礫土、碎石土，滑帶較為連續(xù)；225省道以上滑帶主要為粉質(zhì)黏土，軟塑－可塑，呈棕紅色、褐紅色，滑動(dòng)特征不明顯。

圖3 八字門(mén)滑坡工程地質(zhì)剖面圖Fig．3 Geological profile of Bazimen landslide

3．2 滑坡變形特征分析

八字門(mén)滑坡明顯變形始于1981年，為了掌握其變形情況和發(fā)展趨勢(shì)，在滑坡體上有ZG109，ZG110，ZG111，ZG112這4個(gè)GPS變形監(jiān)測(cè)點(diǎn)，其安放的高程位置如表1。由于ZG109處于海拔高程低，在三峽庫(kù)水位蓄水到156 m時(shí)已被淹沒(méi)，故選取監(jiān)測(cè)數(shù)據(jù)完整的ZG110，ZG111，ZG112這3個(gè)監(jiān)測(cè)點(diǎn)為分析對(duì)象，其累計(jì)位移和庫(kù)水位高程－時(shí)間曲線如圖4。

表1 八字門(mén)滑坡各個(gè)GPS監(jiān)測(cè)點(diǎn)的高程Table 1 Elevations of GPSmonitoring points in Bazimen landslide

圖4 八字門(mén)滑坡GPS點(diǎn)累計(jì)位移和三峽水庫(kù)水位－時(shí)間曲線Fig．4 Curves of cumulative disp lacement of GPSmonitoring points，and curve of reservoir water level vs．time

從圖4中可以發(fā)現(xiàn)，ZG110和ZG112的累計(jì)變形曲線相近，只表現(xiàn)出微弱的臺(tái)階式變形。而位于滑坡中上部的ZG111表現(xiàn)出明顯的臺(tái)階式變形特征，累計(jì)位移－時(shí)間曲線在2004年至2008年每年的5—9月間滑坡變形表現(xiàn)為臺(tái)階狀，這期間均有較大的變形與三峽庫(kù)水位下降和此時(shí)正處于降雨期有密切的關(guān)系。圖5為八字門(mén)滑坡ZG111點(diǎn)月變形速率與月降雨量的關(guān)系圖，可以發(fā)現(xiàn)變形量的大小與降雨量的多少有很強(qiáng)的相關(guān)性，說(shuō)明降雨量也是一個(gè)重要的影響因素。

圖5 八字門(mén)滑坡ZG111點(diǎn)月累計(jì)位移和月降雨量的關(guān)系圖Fig．5 Relation between m onthly disp lacem ent and monthly rainfall at point ZG111 in Bazim en landslide

監(jiān)測(cè)點(diǎn)ZG112的累計(jì)位移－時(shí)間曲線沒(méi)有顯著的臺(tái)階式變形，這可能是由于該點(diǎn)位于滑坡的三級(jí)平臺(tái)，地形較平緩，而且此處的滑體較厚（為阻滑段）。相同強(qiáng)度的庫(kù)水位升降和降雨量對(duì)它比地形坡度較大的ZG111監(jiān)測(cè)點(diǎn)影響小，故其臺(tái)階式變形的特征表現(xiàn)比較微弱。八字門(mén)滑坡變形模式對(duì)其變形樣式也有著重要的影響，現(xiàn)在該滑坡為蠕滑－擠壓型，ZG112監(jiān)測(cè)點(diǎn)正處在擠壓段，故其臺(tái)階式變形特征沒(méi)有處于主滑區(qū)的ZG111點(diǎn)明顯。

圖6 八字門(mén)滑坡GPS監(jiān)測(cè)點(diǎn)年累計(jì)位移－時(shí)間直方圖Fig．6 Bar graph of annual cumulative displacement of GPSmonitoring points in Bazimen landslide

對(duì)ZG110，ZG111和ZG112這3個(gè)監(jiān)測(cè)點(diǎn)的年累計(jì)位移進(jìn)行統(tǒng)計(jì)分析發(fā)現(xiàn)（圖6）：ZG110的監(jiān)測(cè)點(diǎn)年變形量在41～165 mm間；ZG111的年變形量在66～234mm間；ZG112的年變形量16～148mm間。3個(gè)監(jiān)測(cè)點(diǎn)都是在2006年的年累計(jì)位移最大，而監(jiān)測(cè)點(diǎn)ZG111在2007年和2008年的變形量相近，都是約153 mm，ZG110的年累計(jì)位移2008年還小于2007年。從年累計(jì)位移量看，八字門(mén)滑坡的變形還沒(méi)有進(jìn)入加速變形階段，還處于勻速蠕變階段。

3．3 滑坡影響因素分析

可以從八字門(mén)滑坡2003年蓄水后變形歷史來(lái)分析其變形的影響因素，下面是八字門(mén)滑坡所記錄的宏觀地表變形和外界的影響因素：

（1）2003年6月三峽水庫(kù)蓄水后，在225省道（高程約186 m）及以上滑坡體內(nèi)，均產(chǎn)生了變形跡象。同年8月，滑坡區(qū)內(nèi)的225省道南北段產(chǎn)生了2條大裂縫，南裂隙長(zhǎng)45 m，北裂隙長(zhǎng)30 m。

（2）2004年5—7月間，滑坡處于雨季和三峽庫(kù)水位下降時(shí)期，滑坡在南側(cè)、北側(cè)、后緣和中部產(chǎn)生了多條裂隙，既有拉張裂隙，也有剪切裂縫。

（3）2005年6月，滑坡在降雨的影響下，滑坡體內(nèi)的原有裂隙進(jìn)一步地加劇變形。

（4）2007年6—7月間，在強(qiáng)降雨的作用下滑坡的地表變形速率較大，多處發(fā)生小型坍塌。

根據(jù)八字門(mén)滑坡的GPS監(jiān)測(cè)曲線和地表宏觀調(diào)查分析，可知該滑坡與降雨、水庫(kù)水位升降有關(guān)，其變形影響因素是三峽水庫(kù)的水位漲落和降雨。

3．4 滑坡變形破壞模式分析

根據(jù)八字門(mén)滑坡監(jiān)測(cè)資料和早期的宏觀變形跡象記錄，八字門(mén)滑坡早期發(fā)展以牽引式為主，滑坡的變形主要集中在高程120 m以下；2003年三峽水庫(kù)蓄水后，滑坡的大部分淹沒(méi)于水下，受三峽水位周期漲落的影響，滑坡的變形主要集中在225省道高程以上的滑坡中上部，滑坡的變形由下部轉(zhuǎn)為上部變形，滑坡的上部變形大于下部位移，滑坡表現(xiàn)為中上部坡體向下擠壓滑坡體下部的阻滑段，所以八字門(mén)滑坡現(xiàn)在的變形模式為蠕滑－擠壓型，其破壞模式為推動(dòng)式。而且，滑坡次級(jí)滑帶變形大于主滑帶變形，滑坡主要變形集中在次級(jí)滑帶，滑坡次級(jí)滑動(dòng)的風(fēng)險(xiǎn)遠(yuǎn)高于整體滑動(dòng)。

4 八字門(mén)滑坡變形預(yù)測(cè)

4．1 影響因子確定

從以上的分析可知，八字門(mén)滑坡的變形是受降雨量和庫(kù)水位共同影響的，所以影響因子的選擇應(yīng)選擇此2項(xiàng)因素。國(guó)內(nèi)外一些學(xué)者對(duì)滑坡與降雨的關(guān)系作了大量的研究，發(fā)現(xiàn)滑坡發(fā)生前的1月到2月的降雨量對(duì)滑坡位移有促進(jìn)作用［5］。對(duì)于八字門(mén)滑坡而言，滑坡的變形速率與當(dāng)月降雨量、兩月降雨量有密切的關(guān)系（圖7），滑坡變形速率的形狀與當(dāng)月降雨量、兩月降雨量的隨時(shí)間波動(dòng)情況非常相近。故選擇月降雨量、兩月降雨量為八字門(mén)滑坡降雨對(duì)變形的影響因子。

圖7 八字門(mén)滑坡ZG111點(diǎn)月累計(jì)位移和當(dāng)月、兩月降雨量的關(guān)系圖Fig．7 Relation between monthly displacement，monthly and bimonthly rainfall at point ZG111 in Bazimen landslide

庫(kù)水位的升降對(duì)滑坡的變形有重要影響，從監(jiān)測(cè)數(shù)據(jù)上看，滑坡所處的初始水位不同，即使下降相同的幅度對(duì)滑坡變形的貢獻(xiàn)也有差別。這可能與滑坡處于不同水位淹沒(méi)滑坡體的范圍大小有密切的關(guān)系；不同的水位升降幅度對(duì)滑坡的變形影響不同，由于水位升降對(duì)滑坡變形的影響是極其復(fù)雜的滲流－變形耦合問(wèn)題，結(jié)合八字門(mén)滑坡實(shí)際的監(jiān)測(cè)成果，這里通過(guò)選用庫(kù)水位月平均值、月間庫(kù)水位變化量、當(dāng)月庫(kù)水位最大變化量作為庫(kù)水位升降對(duì)滑坡變形的庫(kù)水位影響因子。

綜上所述，八字門(mén)滑坡所選的影響因子為當(dāng)月降雨量、兩月降雨量、庫(kù)水位月平均值、月間庫(kù)水位變化量、當(dāng)月庫(kù)水位最大變化量，此5個(gè)影響因子作為八字門(mén)滑坡的BP神經(jīng)網(wǎng)絡(luò)的輸入層數(shù)據(jù)，而經(jīng)過(guò)GM（1，1）模型提取后的位移偏離量作為輸出層的數(shù)據(jù)。

4．2 模型求解

BP神經(jīng)網(wǎng)絡(luò)所用訓(xùn)練樣本的位移、庫(kù)水位和降雨都是從2003年8月到2008年4月間的數(shù)據(jù)，預(yù)測(cè)樣本選取的時(shí)間段為2008年5月至2008年8月，這正是一般三峽庫(kù)區(qū)具臺(tái)階狀位移特征的滑坡變形強(qiáng)烈的月份。

根據(jù)位移監(jiān)測(cè)數(shù)據(jù)求得GM（1，1）模型為

首先，采用上述GM（1，1）模型提取累計(jì)位移－時(shí)間序列的趨勢(shì)項(xiàng)，提取后的位移為八字門(mén)滑坡位移的偏離量。采用以上影響因子和經(jīng)過(guò)反復(fù)試算可知，BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)是輸入層為5個(gè)節(jié)點(diǎn)，輸出層為1個(gè)節(jié)點(diǎn)，隱含層為15個(gè)節(jié)點(diǎn)的1個(gè)3層的網(wǎng)絡(luò)結(jié)構(gòu)。運(yùn)用上述網(wǎng)絡(luò)對(duì)樣本數(shù)據(jù)進(jìn)行學(xué)習(xí)訓(xùn)練，訓(xùn)練8×103次后網(wǎng)絡(luò)的實(shí)際輸出與期望輸出已非常接近，表明網(wǎng)絡(luò)結(jié)果學(xué)習(xí)已較好地掌握輸入與輸出間的映射關(guān)系，得到的預(yù)測(cè)量和實(shí)際監(jiān)測(cè)偏離量如圖8，偏離量與實(shí)測(cè)的非常接近。

圖8 八字門(mén)滑坡本文模型訓(xùn)練的偏離量和實(shí)際監(jiān)測(cè)偏離量的對(duì)比圖Fig．8 Com parison between m odel-calculated deformation deviation and factual deformation deviation

然后，應(yīng)用此訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)對(duì)后幾個(gè)月的位移偏離量進(jìn)行預(yù)測(cè)，并把得到的預(yù)測(cè)果和GM（1，1）模型預(yù)測(cè)的結(jié)果相加，得到本文模型的八字門(mén)滑坡變形預(yù)測(cè)結(jié)果。同樣，應(yīng)用此數(shù)據(jù)采用GM（1，1）模型和不考慮影響因子的BP神經(jīng)網(wǎng)絡(luò)進(jìn)行預(yù)測(cè)，得到的預(yù)測(cè)結(jié)果與本文模型進(jìn)行了對(duì)比，如表2和圖9。

4．3 結(jié)果分析

從結(jié)果上看，本文模型和GM（1，1）模型預(yù)測(cè)的相對(duì)誤差均較小于10%，但是GM（1，1）模型對(duì)滑坡變形數(shù)據(jù)的擬合程度較低。GM（1，1）模型預(yù)測(cè)精度較高的原因，是由于八字門(mén)滑坡的臺(tái)階式變形較弱，變形沒(méi)有大的增加，但是如果變形有大的變化，那么GM（1，1）模型就不可能達(dá)到如此高的精度。BP神經(jīng)網(wǎng)絡(luò)模型和本文模型對(duì)數(shù)據(jù)的擬合程度高，但是BP模型的預(yù)測(cè)相對(duì)誤差超過(guò)10%，預(yù)測(cè)精度低。對(duì)比GM（1，1）模型和不考慮影響因子的BP神經(jīng)網(wǎng)絡(luò)，本文模型對(duì)數(shù)據(jù)的擬合程度高且預(yù)測(cè)相對(duì)誤差均小，能達(dá)到預(yù)測(cè)要求。

表2 八字門(mén)滑坡各個(gè)模型預(yù)測(cè)值和相對(duì)誤差表Table 2 Predicted values and relative errors of the threemodels

圖9 八字門(mén)滑坡各個(gè)模型的預(yù)測(cè)值和實(shí)測(cè)值的比較Fig．9 Com parison between predicted deformation by differentmodels and measured deformation

5 結(jié) 論

八字門(mén)滑坡變形受外界因素如降雨、庫(kù)水位的影響，八字門(mén)滑坡所選的影響因子包括當(dāng)月降雨量、兩月降雨量、庫(kù)水位月平均值、月間庫(kù)水位變化量、當(dāng)月庫(kù)水位最大變化量，建立考慮降雨、庫(kù)水位等影響因子的滑坡位移預(yù)測(cè)仍是主要采用的預(yù)測(cè)方法?？紤]了降雨、庫(kù)水位等影響因子的灰色GM（1，1）－BP神經(jīng)網(wǎng)絡(luò)模型既能考慮滑坡變形的趨勢(shì)變化，又能采用BP神經(jīng)網(wǎng)絡(luò)對(duì)其由于外界因素的改變產(chǎn)生的波動(dòng)進(jìn)行預(yù)測(cè)，本文的模型綜合了以上優(yōu)點(diǎn)，故預(yù)測(cè)精度較單獨(dú)的GM（1，1）模型、BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)精度高。

［1］ 李天斌，陳明東，王蘭生，等．滑坡實(shí)時(shí)跟蹤預(yù)報(bào)［M］．成都：成都科技大學(xué)出版社，1999．（LI Tianbin，CHEN Ming-dong，WANG Lan-sheng，et al．Realtime Tracing Prediction of Landslides［M］．Chengdu：Chengdu University of Science and Technology Press，1999．（in Chinese））

［2］ 李東山，黃潤(rùn)秋，許 強(qiáng)，等．三峽庫(kù)區(qū)滑坡綜合預(yù)報(bào)系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)［J］．中國(guó)地質(zhì)災(zāi)害與防治學(xué)報(bào)，2003，14（2）：24－27．（LI Dong-shan，HUANG Run-qiu，XU Qiang，et al．Research and Design of Landslide Integrated Prediction System in Three Gorges Reservoir Area［J］．The Chinese Journal of Geological Hazard and Control，2003，14（2）：24－27．（in Chinese））

［3］ 吳益平，滕偉福，李亞偉．灰色－神經(jīng)網(wǎng)絡(luò)模型在滑坡變形預(yù)測(cè)中的應(yīng)用［J］．巖石力學(xué)與工程學(xué)報(bào)，2007，26（3）：632－636．（WU Yi-ping，TENGWei-fu，LIYa-wei．Application of Grey-Neural Network Model to Landslide Deformation Prediction［J］．Chinese Journal of Rock Mechanics and Engineering，2007，26（3）：632－636．（in Chinese））

［4］ 杜 娟，殷坤龍，柴 波．基于誘發(fā)因素響應(yīng)分析的滑坡位移預(yù)測(cè)模型研究［J］．巖石力學(xué)與工程學(xué)報(bào)，2009，28（9）：1783－1789．（DU Juan，YIN Kun-long，CHAI Bo．Study of Displacement Prediction Model of Landslide Based on Response Analysis of Inducing Factors［J］．Chinese Journal of Rock Mechanics and Engineering，2009，28（9）：1783－1789．（in Chinese））

［5］ KEEFER D K，WILSON R C，MARK R K，et al．Realtime Landslide Warning During Heavy Rainfall［J］．Science，1987，238（4829）：921－925．

（編輯：曾小漢）

App lication of GM（1，1）-BP M odel to the Deformation Prediction of Bazimen Landslide in Consideration of Influencing Factors

LIDe-ying，YIN Kun-long
（Faculty of Engineering，China University of Geosciences，Wuhan 430074，China）

Landslide prediction is a worldwide problem，especially how to quantitatively consider external influencing factors in the long-term prediction．On the basis of analyzing the applicability of long-term landslide prediction，a GM（1，1）-BPmodel based on influencing factors was presented in which external influencing factors such as rainfall and reservoirwater level fluctuation were taken into consideration．Bazimen landslide in the Three Gorges Reservoir was taken as a case study．The deformation characteristics，influencing factors，and failuremode of the landslidewere investigated by analyzing themonitoring data of displacement，reservoirwater level and rainfall．The influencing factors of Bazimen landslide were firstly determined，and in subsequence，themodel established in the present study，the GM（1，1）model，and the BPmodelwhich does not include the influencing factorswere respectively taken to predict the landslide deformation．Results show that themodel established in this research has higher precision．

Bazimen landslide；deformation prediction；influencing factor；BPmodel

TU458．4

A

1001－5485（2013）02－0006－06

10．3969／j．issn．1001－5485．2013．02．002

2011－12－05；

2012－01－29

中央高校基本科研業(yè)務(wù)費(fèi)專項(xiàng)資金優(yōu)秀青年教師基金（CUGL100213）；第51批中國(guó)博士后科學(xué)基金面上資助項(xiàng)目（2012M511707）

李德?tīng)I(yíng)（1981－），男，河北玉田人，講師，博士，主要從事滑坡災(zāi)害預(yù)測(cè)預(yù)報(bào)方面的研究，（電話）13659892519（電子信箱）li－deying＠163．com。