基于滑坡監(jiān)測(cè)數(shù)據(jù)的預(yù)警判據(jù)研究

蔡澤宏

(福州市建筑設(shè)計(jì)院　福建福州　350011)

?

基于滑坡監(jiān)測(cè)數(shù)據(jù)的預(yù)警判據(jù)研究

蔡澤宏

(福州市建筑設(shè)計(jì)院福建福州350011)

位移-時(shí)間趨勢(shì)曲線是研究滑坡失穩(wěn)預(yù)測(cè)十分重要的資料依據(jù)，它表明了滑坡變形程度及相對(duì)的穩(wěn)定性程度。文章將邊坡失穩(wěn)時(shí)的總位移分解成位移的趨勢(shì)項(xiàng)和位移的周期項(xiàng)，通過時(shí)間序列方法對(duì)滑坡位移進(jìn)行預(yù)測(cè)。文章以德化縣上涌鎮(zhèn)桂林村馬坪滑坡為例，在監(jiān)測(cè)數(shù)據(jù)的模糊離散性與隨機(jī)性的基礎(chǔ)上以及變形參數(shù)所呈現(xiàn)的相關(guān)規(guī)律，通過GM(1，1)的灰色模型獲得位移的趨勢(shì)項(xiàng)，采用時(shí)間序列加法得到滑坡總位移預(yù)測(cè)值。通過對(duì)已獲得的滑坡隱患點(diǎn)的監(jiān)測(cè)數(shù)據(jù)與數(shù)值模擬結(jié)果的對(duì)比分析，建立數(shù)學(xué)模型，預(yù)測(cè)滑坡未來的位移趨勢(shì)，研究滑坡預(yù)警判據(jù)，最終以位移速率來概化研究區(qū)內(nèi)臺(tái)風(fēng)暴雨型滑坡的預(yù)警判據(jù)。結(jié)果顯示，該預(yù)警判據(jù)對(duì)于了解邊坡位移的發(fā)展趨勢(shì)以及研究邊坡的動(dòng)態(tài)穩(wěn)定性是有效可行的。

變形監(jiān)測(cè);時(shí)間序列;灰色模型

0　引言

關(guān)于滑坡的預(yù)報(bào)，許多國(guó)內(nèi)外學(xué)者都提倡利用滑坡所在地域的地質(zhì)條件以及地質(zhì)模型作為基礎(chǔ)，將滑坡演化過程中宏觀變形信息與實(shí)時(shí)監(jiān)測(cè)數(shù)據(jù)相結(jié)合，使得定性判斷與定量分析相綜合，以更好來對(duì)滑坡失穩(wěn)進(jìn)行預(yù)報(bào)[1]。這些年以來很多學(xué)者提出的滑坡預(yù)測(cè)理論多在在位移的監(jiān)測(cè)數(shù)據(jù)基礎(chǔ)上進(jìn)行分析，利用數(shù)學(xué)模型的方法進(jìn)行擬合，并得出結(jié)論[2]。其中，臨界位移變形速率則是針對(duì)坡體內(nèi)部的預(yù)警判據(jù)。這種預(yù)警判據(jù)在實(shí)際中已有被成功應(yīng)用的先例[3]。利用時(shí)間序列的數(shù)學(xué)方法，將非平穩(wěn)的時(shí)間關(guān)系建立出一套能動(dòng)態(tài)預(yù)測(cè)的，以此反映出有關(guān)滑坡穩(wěn)定性的影響因素與位移變化之間的模型，這類方法也受到廣泛推廣[4]。

1　模型詳述

1.1實(shí)例介紹

馬坪滑坡地處德化縣九仙山北部的構(gòu)造剝蝕中低山地形區(qū)域，其中坡體下部及中上部植被發(fā)育，并已被人工開墾為階梯狀水田。目前滑坡的前緣出現(xiàn)了一小型滑坡，提供給后部的滑體潛在的臨空面；上部已出現(xiàn)多處裂縫，且在繼續(xù)加大變形中。

1.2時(shí)間序列的分解

由于滑坡產(chǎn)生是一個(gè)漫長(zhǎng)的過程，而位移是其主要標(biāo)志。從已獲得的位移-時(shí)間的監(jiān)測(cè)數(shù)據(jù)中，可將其看做成為隨著時(shí)間推移而改變的時(shí)間序列。將時(shí)間序列進(jìn)行分解，直接或通過函數(shù)變換間接利用后，以建立出關(guān)于滑坡位移預(yù)測(cè)預(yù)報(bào)模型，以動(dòng)態(tài)監(jiān)測(cè)滑坡的位移變化。通常來說，時(shí)間序列{yt}可拆解成多項(xiàng)相加的形式，具體如下式：

yt=Tt+St+Ct+It

(1)

式(1)中，yt是時(shí)間序列中總位移，Tt是位移的趨勢(shì)項(xiàng)；St是位移的季節(jié)項(xiàng)；Ct是位移的循環(huán)周期項(xiàng)；It是位移的隨機(jī)項(xiàng)。

其中，Tt表示出在時(shí)間序列中，滑坡長(zhǎng)期演化中位移數(shù)據(jù)的變化趨勢(shì)；St表示出在時(shí)間序列中位移數(shù)據(jù)隨季節(jié)性影響(如季節(jié)性降雨)而產(chǎn)生的季節(jié)性波動(dòng)；Ct反映出了在時(shí)間序列中的非季節(jié)因素影響的波動(dòng)；It反映出在時(shí)間序列中的隨機(jī)因素的作用，由于其對(duì)滑坡位移變化的影響具有不可確定性，在此暫不考慮。由于滑坡位移在相鄰的一定年份區(qū)段中會(huì)呈現(xiàn)出周期性特征[6]，故在本文中將位移的季節(jié)項(xiàng)和循環(huán)周期項(xiàng)合并為位移的周期項(xiàng)。

在此將時(shí)間序列的數(shù)學(xué)模型可概括為下述形式：

yt=Tt+Ct

(2)

式(2)中,設(shè)X(t)為時(shí)間序列中的總位移的函數(shù)，φ(t)為趨勢(shì)項(xiàng)位移的函數(shù)，η(t)為周期項(xiàng)位移的函數(shù)。

1.3分離預(yù)測(cè)位移的趨勢(shì)項(xiàng)

將趨勢(shì)項(xiàng)位移的各部分進(jìn)行分離，其中，位移的長(zhǎng)期趨勢(shì)變動(dòng)反映坡體未來位移的發(fā)展，計(jì)算方法如下所示：

將觀測(cè)值的時(shí)間序列記為yt(t= 1，2，…，N)，兩次位移的平均值可記作Mt(1)，Mt(2)，有：

Mt(1)=(yt+yt-1+Λ+yt-n+1)/n，

Mt(2)=[Mt+Mt-1+Λ+Mt-n+1/n位移的趨勢(shì)項(xiàng)受到多方面的影響，會(huì)有很大的不可預(yù)知性，在前文提到的位移的周期項(xiàng)，具有循環(huán)周期的特點(diǎn)，在這里將周期項(xiàng)式中n=6，其中半個(gè)周期才能完成一次位移。故兩次位移的平均值即為計(jì)算值Mt(2)，也是總位移中的趨勢(shì)項(xiàng)值?；挛灰茣r(shí)間序列可分解為：

x(0)={x(0)(1),x(0)(2),x(0)(3)Λx(0)(n)}

(3)

累加后可得出的累加數(shù)列如下：

x(1)={x(1)(1),x(1)(2),x(1)(3)Λx(1)(n)}

(4)

(5)

其中：a,μ為未知的參數(shù)值。

如果x代表滑坡的位移，上式中的微分方程的解為:

(6)

(7)

1.4分離預(yù)測(cè)位移周期項(xiàng)

對(duì)于周期項(xiàng)位移，主要通過在原始位移序列中篩分出趨勢(shì)項(xiàng)位移并利用時(shí)間序列的數(shù)學(xué)模型計(jì)算獲得。計(jì)算過程中的時(shí)間序列用yt(t= 1，2，…，N)來表示，t為當(dāng)前時(shí)刻。而在建立數(shù)學(xué)模型時(shí)，在隨機(jī)過程中可視為穩(wěn)定的序列來求解出總位移在篩分出趨勢(shì)項(xiàng)位移后的時(shí)間序列的其它部分[8]。

下面我們假設(shè)AR(P)模型為一個(gè)p階自回歸模型，則在建立AR(p) 自回歸模型后，則自回歸方程[9]為：

(8)

(9)

在AR(p)模型定階則采用最小最終預(yù)測(cè)誤差準(zhǔn)則確定，把周期項(xiàng)位移、估計(jì)自回歸參數(shù)等計(jì)算值代入后，將滑坡周期項(xiàng)位移獲得值與位移的預(yù)測(cè)值進(jìn)行對(duì)比，以驗(yàn)證利用時(shí)間序列方法預(yù)測(cè)滑坡未來位移的有效性。通過時(shí)間序列加法模型X(t)=φ(t)+η(t)，獲得的趨勢(shì)項(xiàng)位移的預(yù)測(cè)值與周期項(xiàng)位移的預(yù)測(cè)值相加，以得到總位移的預(yù)測(cè)值。

2　預(yù)測(cè)結(jié)果對(duì)比分析

2.1趨勢(shì)項(xiàng)位移與周期項(xiàng)位移預(yù)測(cè)

由于野外監(jiān)測(cè)數(shù)據(jù)是離散的且遇到特殊情況(天氣惡劣或其它原因?qū)е碌臄?shù)據(jù)不能傳回)，監(jiān)測(cè)數(shù)據(jù)出現(xiàn)間斷，這對(duì)于位移數(shù)據(jù)的分析和對(duì)滑坡位移的預(yù)測(cè)非常不利，因此在進(jìn)行滑坡位移預(yù)測(cè)前需要對(duì)其進(jìn)行預(yù)處理。滑坡位移預(yù)處理的步驟如下：

(1)滑坡位移數(shù)據(jù)的等間距化和順序化

監(jiān)測(cè)數(shù)據(jù)中部分?jǐn)?shù)據(jù)出現(xiàn)沒有按照時(shí)間數(shù)據(jù)進(jìn)行排序的情況，這可能是由于監(jiān)測(cè)軟件的部分錯(cuò)誤或設(shè)置導(dǎo)致的，因此按照時(shí)間由早到晚進(jìn)行排序，時(shí)間按照時(shí)間順序進(jìn)行排列。

為了將不等間距的滑坡位移數(shù)據(jù)進(jìn)行等間距化，首先設(shè)定起始時(shí)間，本文的監(jiān)測(cè)數(shù)據(jù)起始時(shí)間為2010-12-20 21:04:34，結(jié)束時(shí)間為2013-6-23 21:55:31，因此將起始時(shí)間設(shè)置為0時(shí)刻，每隔6h(360min)判斷該時(shí)刻在監(jiān)測(cè)數(shù)據(jù)中所處的位置，即前后時(shí)刻及位移數(shù)據(jù)，利用線性插值法獲取每隔6h時(shí)刻的位移數(shù)據(jù)，這樣就形成了間距為6h的位移數(shù)據(jù)，方便進(jìn)行數(shù)據(jù)的處理和分析。

(2)滑坡位移數(shù)據(jù)的去噪

對(duì)于滑坡位移數(shù)據(jù)，雖然其噪聲不高，但由于其主要由監(jiān)測(cè)儀器自動(dòng)監(jiān)測(cè)完成，不可避免存在一些噪聲，對(duì)未來的滑坡位移預(yù)測(cè)造成一定的誤差，閾值去噪方法是在小波分析中常用的去噪方法。

圖1為上涌鎮(zhèn)馬坪滑坡深部監(jiān)測(cè)點(diǎn)(9m處)的位移變化趨勢(shì)圖，可以看出，趨勢(shì)項(xiàng)位移主要代表滑坡體位移的趨勢(shì)值，以遞增為主，趨勢(shì)項(xiàng)位移的預(yù)測(cè)值與實(shí)際值存在一定的誤差，這主要是由于滑坡體的位移受強(qiáng)降雨、地下水位上升下降變化、土體強(qiáng)度變化等條件，坡體位移出現(xiàn)周期性或隨機(jī)性的變化所造成的[11]，因此屬于周期預(yù)測(cè)值的范圍；在周期項(xiàng)位移值的分析中，可以看到周期項(xiàng)位移以波動(dòng)性和周期性變化為主，而本文利用AR(p)模型對(duì)其進(jìn)行擬合和預(yù)測(cè)，可以較好地預(yù)測(cè)滑坡體的位移。

2.2不同位置位移綜合分析

圖2可以看到上涌鎮(zhèn)桂林村馬坪滑坡的各個(gè)監(jiān)測(cè)點(diǎn)所處位置，其中深部位移數(shù)據(jù)的監(jiān)測(cè)深度分別為7m和9m，地表坐標(biāo)約為(180m，955m)，坐標(biāo)系x軸為與坡腳距離，y軸為其標(biāo)高。地表位移下部地表位移與深部位移監(jiān)測(cè)點(diǎn)距離坡腳位移較近。

對(duì)比4個(gè)位置監(jiān)測(cè)位移數(shù)據(jù)，可以發(fā)現(xiàn)以下幾個(gè)特征：

(1)2010年～2013年地表上下部監(jiān)測(cè)點(diǎn)位移特征

取馬坪滑坡2010年～2013年的位移監(jiān)測(cè)數(shù)據(jù)進(jìn)行分析，其監(jiān)測(cè)時(shí)間為2010-12-20 21:04:34～2013-6-23 21:55:31，如圖3所示,可看到位移不斷增加直至達(dá)到峰值后又不斷減小，同時(shí)位移預(yù)測(cè)值會(huì)顯示出陡增的現(xiàn)象。從圖3可知，對(duì)于馬坪滑坡其上部表層位移而言，2010年～2013年期間基本保持穩(wěn)定。其中，在3 200×6h，表層位移曲線出現(xiàn)了階躍式特征，位移速率達(dá)到6×10-4mm/min，表層位移曲線出現(xiàn)了階躍式特征，在300×6h發(fā)生陡降。由于該時(shí)段正處于夏季，邊坡所處環(huán)境干旱，又由于坡體前緣出現(xiàn)了小型滑坡，為坡體上部提供了潛在的臨空面，在受到夏季的突降暴雨使之發(fā)生牽引式滑移。預(yù)計(jì)在2013年7月25日(3 750×6h)前后會(huì)發(fā)生坡體會(huì)出現(xiàn)較大程度的滑移，此時(shí)滑坡位移速率經(jīng)歷了徒增的高峰10×10-4mm/min，此時(shí)滑坡累計(jì)位移出現(xiàn)了同步陡增，后有趨于穩(wěn)定的趨勢(shì)。

如圖4所示，在2010年～2013年間滑坡在經(jīng)歷一段時(shí)期的穩(wěn)定后，下部表層出現(xiàn)滑移的時(shí)間(2 200×6h)又早于上部(3 200×6h)，下部表層出現(xiàn)階躍式位移特征，累計(jì)位移達(dá)到270×10-3mm，位移速率達(dá)到2.7×10-4mm/min。雖然整體呈現(xiàn)穩(wěn)定趨勢(shì)，但可以預(yù)見在整體滑坡演變中下部滑坡會(huì)先緩慢位移并最終引發(fā)上部滑坡牽引式滑移 。

(2)2010年～2013年深部監(jiān)測(cè)點(diǎn)位移特征

2010年～2013年深部位移數(shù)據(jù)及預(yù)測(cè)值如圖5所示。監(jiān)測(cè)時(shí)間為2010- 9-17 15:36:30～2011- 12- 30 20:01:55，如圖5可以看出，深層位移-1的累計(jì)位移出現(xiàn)了階躍型特征。位移速率分別在1 450×6h以及1 800×6h分別達(dá)到了2.2×10-4mm/min以及1.6×10-4mm/min，而位移在1 450×6h發(fā)生了陡增，從0上升至1 300×10-4mm。

如圖6所示，坡體下部的深層累計(jì)位移在1 300×6h出現(xiàn)第一次滑移，此時(shí)位移速率達(dá)到1.6×10-4mm/min，在1 750×6h左右位移速率也陡增至2.2×10-4mm/min，后累計(jì)位移有下降趨勢(shì)，可以看出位移速率有波動(dòng)增長(zhǎng)的趨勢(shì)，其原因與圖3(a)類似，預(yù)測(cè)在1 900×6h存在滑移的可能。

由此確定出馬坪滑坡的臨界位移速率的閥值區(qū)間，作為研究區(qū)內(nèi)滑坡預(yù)警判據(jù)重要指標(biāo)。表層位移的臨界位移速率閥值區(qū)間為[5，6]×10-4mm/min；深層位移的臨界位移速率閥值區(qū)間為[1.6，2.2]×10-4mm/min。

對(duì)比表層位移出現(xiàn)滑移的的時(shí)間發(fā)現(xiàn)，9m處深部位移出現(xiàn)滑移時(shí)間(1 300×6h、1 750×6h)早于7m處深部滑移時(shí)間(1 450×6h、1 800×6h)。而在滑坡表層，下部表層在2 200×6h出現(xiàn)滑移，最終又引發(fā)了上部表層滑移。由此可見，馬坪滑坡在滑坡演化過程中，其深部位移總早于表層位移，同時(shí)坡體前緣位置存在不斷下滑的趨勢(shì)。該滑坡的演化過程是從深部到表層，由下至上的過程。其中，7m與9m處的深部發(fā)生滑移時(shí)間相近，故在本研究區(qū)內(nèi)，可通過預(yù)測(cè)坡體深部的位移速率達(dá)到臨界閥值區(qū)間的時(shí)間，可以有效地對(duì)研究區(qū)內(nèi)滑坡表層位移發(fā)生滑動(dòng)的時(shí)間進(jìn)行預(yù)警預(yù)報(bào)。

綜上所述，通過時(shí)間序列的方法對(duì)滑坡位移的監(jiān)測(cè)數(shù)據(jù)進(jìn)行預(yù)測(cè)，可以有效判定對(duì)滑坡未來位移的變化趨勢(shì)，而概化的滑坡深部位移速率，可在研究區(qū)內(nèi)作為邊坡失穩(wěn)時(shí)的預(yù)警判據(jù)。

3　結(jié)語(yǔ)

本文對(duì)時(shí)間序列方法預(yù)測(cè)滑坡位移數(shù)據(jù)的思想進(jìn)行了詳細(xì)介紹，并根據(jù)已有的馬坪滑坡位移監(jiān)測(cè)數(shù)據(jù)進(jìn)行析，利用滑坡位移變化的特點(diǎn)建立了基于時(shí)間序列的滑坡位移預(yù)測(cè)模型，對(duì)馬坪滑坡的不同監(jiān)測(cè)點(diǎn)的位移進(jìn)行了分析和預(yù)測(cè)，給出了馬坪滑坡在監(jiān)測(cè)過程以及未來一段時(shí)間內(nèi)發(fā)生滑移的臨界位移速率，結(jié)論如下：

(1)對(duì)已獲得的位移監(jiān)測(cè)數(shù)據(jù)進(jìn)行預(yù)處理后，可消除了數(shù)據(jù)很大一部分模糊離散性和缺失性，并根據(jù)監(jiān)測(cè)數(shù)據(jù)動(dòng)態(tài)變化，對(duì)原有的陳舊數(shù)據(jù)進(jìn)行重新篩分、剔除，變形滾動(dòng)地進(jìn)行預(yù)測(cè)位移，從而真實(shí)反映出實(shí)際滑坡位移時(shí)動(dòng)態(tài)變化的情況。

(2)基于時(shí)間序列的滑坡位移數(shù)學(xué)模型，可將滑坡的位移分為位移趨勢(shì)項(xiàng)以及位移周期項(xiàng)。利用這一方法經(jīng)驗(yàn)證，可以較好地?cái)M合已有的位移數(shù)據(jù)，并且對(duì)滑坡位移的未來變化趨勢(shì)有良好的預(yù)測(cè)功能。

(3)對(duì)比已有的位移數(shù)據(jù)和位移的預(yù)測(cè)值，能夠較好吻合出此前數(shù)值模擬中滑坡的可能破壞面以及下一階段滑坡的位移趨勢(shì)?？纱笾路从吵鲅芯繀^(qū)內(nèi)典型滑坡隱患點(diǎn)的滑坡演化過程，確定出馬坪滑坡的演化是從深部到表層，由下至上的過程。

[1]徐峰, 汪洋, 杜娟,等.基于時(shí)間序列分析的滑坡位移預(yù)測(cè)模型研究[J].巖石力學(xué)與工程學(xué)報(bào), 2011, 30(4): 746-751.

[2]蔣剛，林魯生，劉祖德，等．邊坡變形的灰色預(yù)測(cè)模型[J]．巖土力學(xué)，2000，2l(3)：244-246．

[3]劉華夏，張獻(xiàn)州．基于時(shí)間序列分析的地鐵變形監(jiān)測(cè)數(shù)據(jù)建模與預(yù)報(bào)研究[J]．鐵路勘察，2009(6)：17-19.

[4]楊叔子，吳雅，軒建平，等．時(shí)間系列分析的工程應(yīng)用(2版)[M].武漢：華中科技大學(xué)出版社，2007：1-19．

[5]郝小員，郝小紅，熊紅梅,等．滑坡時(shí)間預(yù)報(bào)的非平穩(wěn)時(shí)間序列方法研究[J]．工程地質(zhì)學(xué)報(bào)，1999，7(3)：279-283．

[6]張東明．陳江，何洪甫，等．動(dòng)態(tài)修正時(shí)距權(quán)重的不等時(shí)距灰色模型及應(yīng)用[J]．巖土工程學(xué)報(bào)，2012，34(6)：1137-1141．

[7]GUZZETTI F，PERUCCACCI S，ROSSI M，et a1．The rainfall intensity ——duration control of shallow landslides and debris flows：an update[J]．Landslides，2008，5(1)：3-17．

[8]靳奉祥，王同孝，獨(dú)知行．變形觀測(cè)中的模式識(shí)別問題[J]．中國(guó)有色金屬學(xué)報(bào)，1997，7(3)：18-21．

[9]魏迎奇，孫玉蓮．大壩沉降變形的灰色預(yù)測(cè)分析研究[J]．中國(guó)水利水電科學(xué)研究院學(xué)報(bào)，2010，8(1)：25-29．

[10]蔡澤宏，簡(jiǎn)文彬，李宏達(dá)，等．基于滑坡監(jiān)測(cè)數(shù)據(jù)的時(shí)間序列位移預(yù)測(cè)[J]．水利與建筑工程學(xué)報(bào)，2016(2)：81-99．

[11]彭令，牛瑞卿．三峽庫(kù)區(qū)白家包滑坡變形特征與影響因素分析[J]．中國(guó)地質(zhì)災(zāi)害與防治學(xué)報(bào)，2011，22(4)：1-7.

Research On Early Warning Criterion Of Landslides Using Monitoring Data

CAI Zehong

(Fuzhou Architectural Design Institute, Fuzhou 350011)

Displacement-time curves represent the status and relative stability of landslide of landslide deformation.They are vital to predict landslide deformation monitoring.In this process，the time series analysis method was used to separate the landslide displacement into trend term and seasonal term，the genetic algorithm and support vector regression were adopted to predict the seasonal term displacement.Maping landslide in Dehua for example, based on fuzzy uncertainty and random uncertainty and a certain regularity of deformation parameters，improved grey—time series time-varying prediction model，in which grey theory and traditional time series analysis method are combined.Improved GM(1，1)is utilized to extract the trend term of the displacement of slope． Then，the prediction total displacement was obtained by the time series additive mode．The article by using the monitoring data combined with numerical simulation, and mathematical Modeling.the critical displacement rate can be used as the probability threshold interval for warning criterion in landslide area.The model test shows that it is an effective method for prediction of the step type deformation landslides.

Deformation measurement；Time series；Grey model

蔡澤宏 (1990.9-)，男，助理工程師。E-mail:cellpop@163.com

2016-08-05

TU43

A

1004-6135(2016)09-0071-05