拉薩市郊地質(zhì)災害預測及防治輔助決策

肖陽，葉唐進

拉薩市郊地質(zhì)災害預測及防治輔助決策

肖陽，葉唐進

(西藏大學工學院，拉薩 850000）

拉薩市郊區(qū)的自然環(huán)境和地質(zhì)環(huán)境較為脆弱，在雨量充沛的6~9月易形成崩塌、滑坡和泥石流等地質(zhì)災害。為了對地質(zhì)災害進行有效的預測和防治輔助決策，根據(jù)野外調(diào)查資料，結(jié)合模糊數(shù)學、小波人工神經(jīng)網(wǎng)絡和灰色決策等理論進行降雨量預測、危險性計算以及防治輔助決策，并運用Java SE Development Kit 8平臺開發(fā)了地質(zhì)災害預測及防治輔助決策系統(tǒng)。

地質(zhì)災害；預測；輔助決策；拉薩

拉薩市位于喜馬拉雅山脈北側(cè)，屬高原溫帶半干旱季風氣候，日照充足，空氣干燥，晝夜溫差大，降水量小，蒸發(fā)量大。由于拉薩河谷兩側(cè)海拔較高，植被覆蓋率低，山體寒凍風化較為嚴重，其自然環(huán)境和地質(zhì)環(huán)境較為脆弱，遇大暴雨容易形成泥石流、崩塌、滑坡等地質(zhì)災害[1]。

拉薩市郊區(qū)地質(zhì)災害的研究，陳之強[2]等對色拉寺后山危巖的穩(wěn)定性進行了分析并提出防治措施，王連宏[3]等對哲蚌寺泥石流的危害性進行了計算分析并提出了相應的治理措施，朱坤[4]等對墨竹工卡縣中學后山的滑坡穩(wěn)定性進行了分析并進行了抗滑樁的設(shè)計，張永昇[5]對甲瑪?shù)V區(qū)的融雪型碎屑流進行了穩(wěn)定性分析并進行數(shù)值模擬加以驗證。但是對于拉薩市郊區(qū)地質(zhì)災害的預測和防治輔助決策研究目前還沒有學者涉及。因此通過野外實地勘察，并結(jié)合模糊數(shù)學、小波人工神經(jīng)網(wǎng)絡和灰色決策等理論，運用計算機編程和數(shù)據(jù)庫等技術(shù)，開發(fā)了地質(zhì)災害預測及防治輔助決策系統(tǒng)，進而對地質(zhì)災害發(fā)生的時間和空間進行預測，同時提出防治輔助決策。

1 地質(zhì)背景

1.1 地形地貌與地層巖性

研究區(qū)屬岡底斯山脈東延部分的藏南高山寬谷地貌單元，總體為高山挾持河谷的地貌形態(tài)。受地質(zhì)構(gòu)造的控制以及拉薩河、堆龍河等水系侵蝕切割的影響，區(qū)內(nèi)形成了梁谷相間的高山河谷地形，地勢總體呈現(xiàn)南北高中部低、嶺高谷深的特點[6]。該區(qū)屬于岡底斯—騰沖地層區(qū)、拉薩沃卡分區(qū)，出露的地層主要有上侏羅系、白堊系、古近系及第四系。除第四系，其余地層分布面積約401.40km2，多呈不整合接觸，與巖漿巖呈侵入接觸。第四系分布面積363.81km2，成因類型有沖積、洪積、沖洪積、坡洪積、坡積、沼澤堆積、風積等[7]。

1.2 地質(zhì)構(gòu)造與水文地質(zhì)

該區(qū)位于雅魯藏布江以北東西向構(gòu)造中部地帶，即拉薩—林芝巖帶，南側(cè)以雅魯藏布江深大斷裂為界與喜馬拉雅弧形構(gòu)造相鄰。處于當雄羊八井-尼木與桑日-錯那活動構(gòu)造帶間的“安全島”，距離雅魯藏布江深大斷裂和當雄羊八井-尼木地震活躍帶60~100km。該區(qū)域河流、溪溝發(fā)育，呈樹枝狀展布，屬雅魯藏布江水系。常年性河流主要有拉薩河、堆龍河和流沙河，其余皆為季節(jié)性溪流。地表水資源豐富，但時空分布極為不均。地下水按賦存空間與水力性質(zhì)可劃分為松散巖類孔隙水、基巖裂隙水、碳酸鹽巖類裂隙溶洞水三大類型[7]。

1.3 氣象與不良地質(zhì)

該區(qū)屬內(nèi)陸高原溫帶半干旱氣候[7]，區(qū)內(nèi)多年平均氣溫8℃，最高氣溫29.4℃，最低氣溫-16.5℃，多年平均降水量424.56mm，最大年降水量613.8mm，最小年降水量229.6mm，5~9月集中了全年94.8%的降水量，多為歷時較短的中到大雨，最大日降水量為61.7mm。區(qū)內(nèi)蒸發(fā)量為2 306.70mm，寒凍風化較為強烈。

研究區(qū)的不良地質(zhì)主要為崩塌、滑坡、泥石流、碎屑流和地面塌陷等幾種類型，不良地質(zhì)的發(fā)生與地形地貌、地層巖性、大氣降水等因素密切相關(guān)。其中，泥石流主要分布在拉薩河、堆龍河兩岸的支溝與山前坡麓地帶。崩塌主要分布在風化較為嚴重的花崗巖邊坡地段，部分發(fā)育于溝谷的自然陡坡區(qū)。滑坡零星分布于拉薩河兩岸山前斜坡地段。碎屑流主要分布于海拔較高、寒凍風化較嚴重的山頂[7]。

2 預測及防治輔助決策的計算方法

對于拉薩市地質(zhì)災害的預測及防治輔助決策，本文通過野外調(diào)查分析，再結(jié)合小波人工神經(jīng)網(wǎng)絡計算出2016年拉薩市降雨的規(guī)律，然后利用模糊數(shù)學計算，得到其時間序列預測結(jié)果，最后利用灰色決策對地質(zhì)災害提出防治輔助決策。

2.1 小波人工神經(jīng)網(wǎng)絡

運用小波人工神經(jīng)網(wǎng)絡組合模型[8]，預測2016年拉薩市的降雨量，其原始數(shù)據(jù)來源于歐洲中期天氣預報中心（ECMWF）拉薩市1979~2015年的降雨數(shù)據(jù)。然后利用Matlab進行小波快速分解，采用小波為bior 2.4，分解級數(shù)為二級，得到小波分解序列D2，D1，A2，見圖1。

圖1 小波分解

圖2 時間序列響應

經(jīng)分析，WANN結(jié)構(gòu)為3-15-1，即輸入為[D2,D1,A2]，由37年降雨數(shù)據(jù)（1979~2015年）建模，訓練1 000次，得出2016年拉薩市的年降雨量為474.15mm。其時間序列響應見圖2，誤差在允許范圍內(nèi)，可用來進行預測。

2016年實際降雨量與預測降雨量對比統(tǒng)計見表1，因今年的數(shù)據(jù)只有1~5月，因此只對比了前五個月的降雨量，從表中可以看出，預測降雨量與實際降雨量之間的誤差都在2mm之內(nèi)，誤差在允許范圍，可用來進行計算。

2.2 模糊數(shù)學

表1 拉薩市2016年1~5月實際降雨和預測降雨對比結(jié)果（單位：mm）

采用模糊數(shù)學中的模糊綜合評判[9]，以野外調(diào)查的拉薩市典型的六處地質(zhì)災害點為例建立因素集U1，因素集U1={地層巖性，坡度，坡高，結(jié)構(gòu)面發(fā)育，地質(zhì)構(gòu)造，新構(gòu)造運動與地震，人類工程活動，月降雨量}。在模糊綜合評判過程中，因崩塌與滑坡共同點較多，都選用以上的8個評價因子，泥石流選用另外的8個因子，分別為：巖性因素、流域面積、主溝平均比降、溝床彎曲系數(shù)、流域切割密度、單位面積物源量、不良地質(zhì)現(xiàn)象、月降雨量。

將地質(zhì)災害穩(wěn)定狀態(tài)分為4個等級，評價集V為：V={穩(wěn)定、基本穩(wěn)定、欠穩(wěn)定、不穩(wěn)定}。采用半梯形模糊分布與專家打分法確定隸屬函數(shù)，計算出單因素評判矩陣，采用層次分析法[10]確定各因子權(quán)重，再使用上文的月降雨量進行預測，選擇崩塌1、崩塌2、崩塌3、滑坡1、滑坡2、泥石流分別編號為1#、2#、3#、4#、5#、6#。然后進行模糊綜合評判，得到評價集中“不穩(wěn)定”狀態(tài)的隸屬度值的時間序列預測結(jié)果（圖3）。

圖3 典型地質(zhì)災害點時間序列預測結(jié)果折線圖

從圖3可知，在12個月中，“不穩(wěn)定”隸屬度值的峰值一般出現(xiàn)在7月和8月，兩側(cè)分別呈遞減趨勢，因此危險月份為6~9月，7~8月最危險，其余月份則比較安全。

2.3 灰色決策

采用灰色決策中的多目標加權(quán)灰靶決策[11]，以拉薩市典型的6處地質(zhì)災害點的時間序列預測結(jié)果進行決策。首先建立事件集、對策集及決策方案集，將最危險的災害點作為事件a1，事件集A={a1}。選擇崩塌1、崩塌2、崩塌3、滑坡1、滑坡2、泥石流建立對策集B={b1,b2,b3,b4,b5,b6}，由事件A和對策B構(gòu)造決策方案集：

表2 各個目標及相應指標的決策權(quán)重

然后確定三個決策目標：最大值、變化率1、變化率2，其中最大值與變化率1為效益型指標，變化率2屬于成本型指標。最后確定個目標的決策權(quán)（表2）。

求得各目標的效果樣本向量為：

U(1)=（0.45,0.30,0.40,0.29,0.29,0.32）

U(2)=（0.13,0.06,0.17,0.11,0.05,0.10）

U(3)=（0.13,0.05,0.16,0.11,0.06,0.09）

根據(jù)計算得出的多組數(shù)據(jù)，設(shè)定最大值的臨界值為0.2，變化率1的臨界值為0.05，設(shè)定變化率2的臨界值為0.1，求得一致效果測度向量為：

R(1)=（1.0,1.0,0.80,0.36,0.36,0.48）

R(2)=（1.0,0.89,0.22,0.67,0.00,0.56）

R(3)=（-1.00,-0.75,1.0,-0.25,1.0,0.25）

3 軟件系統(tǒng)實現(xiàn)

拉薩市地質(zhì)災害預測及防治輔助決策系統(tǒng)必須具備專業(yè)性、實用性與通用性，使其具有數(shù)據(jù)儲存管理、實時更新預測和為政府相關(guān)部門提出防治輔助決策的功能。

圖4 系統(tǒng)登錄界面

圖5 系統(tǒng)主頁界面

3.1 系統(tǒng)組成與系統(tǒng)功能

拉薩市地質(zhì)災害預測及防治輔助決策系統(tǒng)主要包括三大模塊：危險性計算模塊、預測及防治輔助決策模塊、數(shù)據(jù)庫管理模塊。系統(tǒng)基于Java SE Development Kit 8平臺開發(fā)，可運行在具備Java SE 8環(huán)境的Windows、Linux、Mac等個人計算機上。系統(tǒng)采用NetBeans 8.1 IDE開發(fā)工具，采用Apache Derby開源數(shù)據(jù)庫。登錄系統(tǒng)作為系統(tǒng)的入口，輸入正確的用戶名與密碼方可進入主頁，有控制用戶權(quán)限、記錄用戶行為、保護操作安全的作用，圖4為登錄界面。其數(shù)據(jù)庫管理是對已有數(shù)據(jù)進行管理的功能，方便錄入、查看、修改災害點數(shù)據(jù)。在主頁部分，除菜單欄外展示了拉薩市郊區(qū)地質(zhì)災害的簡介、照片、小波分析結(jié)果、時間序列預測結(jié)果，還具有快速引導操作的作用，見圖5。

3.2 危險性計算

采用小波人工神經(jīng)網(wǎng)絡組合模型，使用Matlab等軟件進行計算，預測出拉薩市2016年的降雨量，再進行權(quán)重計算，然后進行地質(zhì)災害的隸屬度計算及綜合評判，最后得出地質(zhì)災害的危險性評價結(jié)果。崩塌滑坡權(quán)重計算、隸屬度計算以及綜合評判界面詳見圖6、圖7。

圖6 崩塌滑坡權(quán)重計算

圖7 崩塌滑坡模糊綜合評判

3.3 時間序列預測及防治輔助決策

時間序列預測方法是將2016年的月降雨序列帶入模糊綜合評判中進行計算，得出12個評價集中“不穩(wěn)定”狀態(tài)的隸屬度值，然后繪圖，并為輔助決策作準備（圖8）。防治輔助決策采用灰色決策模型中的多目標加權(quán)灰靶決策模型，數(shù)據(jù)來源于上文中的結(jié)果，將其進行計算，并得出最終輔助決策結(jié)果（圖9）。

圖8 時間序列預測

圖9 輔助決策界面

3.4 數(shù)據(jù)庫管理及赤平投影

為了更好地實現(xiàn)系統(tǒng)功能，本系統(tǒng)中加入了數(shù)據(jù)庫管理功能，采用Apache Derby數(shù)據(jù)庫，并將其內(nèi)嵌至軟件中，可較全面地錄入地質(zhì)災害點的名稱、地點、編號、地理位置、邊坡環(huán)境、邊坡基本特征、失穩(wěn)情況等數(shù)據(jù)，便于查詢與使用。數(shù)據(jù)管理界面見圖10。系統(tǒng)中極射赤平投影主要用來表示結(jié)構(gòu)面的穩(wěn)定情況，可以對單個巖體的穩(wěn)定性進行判別，詳見圖11。

圖10 數(shù)據(jù)管理界面

圖11 赤平投影界面

4 結(jié)論

通過對拉薩市郊區(qū)幾處典型地質(zhì)災害點的野外調(diào)查，并結(jié)合模糊數(shù)學、小波人工神經(jīng)網(wǎng)絡、灰色決策理論和計算機技術(shù)分析研究，得出以下幾點結(jié)論。

1）通過野外調(diào)查和理論分析得出拉薩市地質(zhì)災害主要影響因素為降雨、地震等，地質(zhì)災害發(fā)生主要集中在雨季的6~9月。

2）通過防治輔助決策分析，得出先治理比較危險崩塌3，其次是崩塌2、崩塌1和泥石流，最后治理滑坡2和滑坡1。

3）運用Java SE Development Kit 8平臺開發(fā)了地質(zhì)災害預測及防治輔助決策系統(tǒng)軟件。

[1] 王曉軍，程紹敏．西藏主要氣候特征分析[J]．高原山地氣象研究，2009，04：81-84．

[2] 陳之強，王宏，姜福堂，等．拉薩色拉寺后山危巖防治措施研究[J]．市場與技術(shù)，2013，20(6)：5-7．

[3] 王連宏，葉唐進，姜福堂，等．哲蚌寺泥石流的防治措施研究[J]．四川建材，2014，40(179)：147-149．

[4] 朱坤，葉唐進，陳貴波，等．墨竹工卡縣中學后山滑坡體穩(wěn)定性分析研究[J]．四川建材，2014，40（182）：94-96．

[5] 張永昇，王萍淋，喬晨光，等．融雪型滑坡—碎屑流的穩(wěn)定性分析[J]．四川建材，2015，12（6）：234-236．

[6] 張豐述．拉薩市城市環(huán)境地質(zhì)評價[Z]．成都理工大學，2011．

[7] 地礦部九一五水文地質(zhì)工程地質(zhì)大隊. 西藏拉薩河河谷平原綜合水文地質(zhì)勘查報告（1∶10萬）[R]. 1991．

[8] 王文圣，丁晶，李躍清．水文小波分析[M]．北京：化學工業(yè)出版社，2005．

[9] 梁保送，曹殿立．模糊數(shù)學及其應用[M]．北京：科學出版社，2007．

[10] 汪應洛．系統(tǒng)工程簡明教程[M]．北京：高等教育出版社，2009．

[11] 劉思峰，楊英杰，吳利豐．灰色系統(tǒng)理論及其應用[M]．北京：科學出版社，2014．

Prediction and Control of Geohazards in the Suburban District of Lhasa

XIAO Yang YE Tang-jin

(School of Engineering, Tibet University, Lhasa 850000)

The natural and geological environment in the outskirts of Lhasa is much fragile which makes easy of geohazards such as collapse, landslide, debris flow, etc. from June to September. This study makes precipitation prediction, risk calculation and prevention and control of auxiliary decision-making based on the fuzzy mathematics and develops geological hazard prediction and prevention and control of auxiliary decision-making system by the Java SE Development Kit 8 platform.

geohazard prediction; prevention and control; auxiliary decision-making; fuzzy mathematics; Lhasa

P642.2

A

1006-0995（2017）03-0449-05

10.3969/j.issn.1006-0995.2017.03.022

2016-11-24

西藏自治區(qū)自然科學基金項目（2016ZR-15-7）和西藏自治區(qū)大學生創(chuàng)新性實驗訓練計劃項目（2015QCX026）資助

肖陽（1994-），男，四川大竹人，本科學生，主要從事地質(zhì)災害預測預報研究

葉唐進（1981-），男，貴州銅仁人，副教授，主要從事地質(zhì)災害相關(guān)方面的研究