長(zhǎng)江中游荊江河段典型斷面崩岸預(yù)警方法及應(yīng)用

摘要：

受三峽水庫(kù)蓄水?dāng)r沙的影響，進(jìn)入長(zhǎng)江中游荊江河段的泥沙量劇減，河床持續(xù)沖刷下切，崩岸現(xiàn)象頻發(fā)，不僅影響河勢(shì)穩(wěn)定，而且還增大了防洪壓力。首先從水沙條件和河床邊界條件方面選取10個(gè)崩岸影響因子，對(duì)其量化處理；其次基于實(shí)測(cè)數(shù)據(jù)，采用隨機(jī)森林模型計(jì)算崩岸發(fā)生的可能性，并對(duì)模型進(jìn)行率定和驗(yàn)證；最后基于DS證據(jù)理論融合崩岸可能性、臨江居民區(qū)面積和堤外灘體寬度3個(gè)預(yù)警指標(biāo)，劃分典型斷面的崩岸預(yù)警等級(jí)。研究結(jié)果表明：隨機(jī)森林模型可較好地對(duì)崩岸現(xiàn)象進(jìn)行預(yù)測(cè)，模型測(cè)試集準(zhǔn)確率為75%；劃分的預(yù)警等級(jí)與長(zhǎng)江水利委員會(huì)水文局發(fā)布的預(yù)警信息總體相符，其中青安二圣洲荊60L斷面和北門(mén)口荊98R斷面預(yù)警等級(jí)較高，在2018～2020年均為Ⅰ級(jí)或Ⅱ級(jí)預(yù)警。此外還分析了各崩岸影響因子的重要性，其中護(hù)岸工程對(duì)崩岸的影響最大（重要度為16.6%），河岸坡度對(duì)崩岸的影響次之（14.4%），流量的重要度為10.2%。

關(guān) 鍵 詞：

崩岸； 預(yù)警等級(jí)； 隨機(jī)森林； DS證據(jù)理論； 荊江河段； 長(zhǎng)江中游

中圖法分類(lèi)號(hào)： TV143

文獻(xiàn)標(biāo)志碼： A

DOI：10.16232/j.cnki.1001-4179.2023.03.002

0 引 言

崩岸是沖積河流河床變形的重要組成部分，且在長(zhǎng)江中游荊江段尤為普遍，2002～2018年該河段累計(jì)崩岸長(zhǎng)度約為123.7 km，占岸線(xiàn)長(zhǎng)度的17.8%［1］。崩岸現(xiàn)象的發(fā)生會(huì)對(duì)局部河段河勢(shì)穩(wěn)定、堤防安全等構(gòu)成威脅，影響人民群眾的生命財(cái)產(chǎn)安全。目前仍存在較多崩岸問(wèn)題待解決［2］。

崩岸預(yù)警包括崩岸預(yù)測(cè)和預(yù)警等級(jí)劃分。崩岸現(xiàn)象發(fā)生的機(jī)理十分復(fù)雜，影響因素繁多，包括水流沖刷、河道曲率變化、河岸土體特性變化、河道水位與潛水位變化等［3-6］。這導(dǎo)致崩岸過(guò)程預(yù)測(cè)十分困難，現(xiàn)有的研究通常是基于經(jīng)驗(yàn)關(guān)系或數(shù)值模擬對(duì)崩岸過(guò)程進(jìn)行預(yù)測(cè)。例如夏軍強(qiáng)等［7］構(gòu)建了河岸累計(jì)崩退寬度（ΔB）與前期5 a平均汛期水流沖刷強(qiáng)度（5f）的經(jīng)驗(yàn)關(guān)系。美國(guó)農(nóng)業(yè)部（USDA）［8］提出了用于計(jì)算河岸崩退過(guò)程的BSTEM模型。但這些方法通常僅考慮單個(gè)或部分因素對(duì)崩岸的影響，而較少綜合考慮多因素的共同作用。少部分學(xué)者基于模糊量化方法對(duì)崩岸發(fā)生的可能性進(jìn)行了預(yù)測(cè)，例如王延貴等［9］采用層次分析法確定各影響因子的權(quán)重，構(gòu)建岸灘穩(wěn)定綜合評(píng)價(jià)函數(shù)判斷河岸的穩(wěn)定性。這類(lèi)方法缺少力學(xué)機(jī)制，但能以實(shí)測(cè)數(shù)據(jù)為基礎(chǔ)綜合考慮多因素的影響，彌補(bǔ)動(dòng)力學(xué)模型的不足。

目前已有的預(yù)警等級(jí)劃分多依賴(lài)工程經(jīng)驗(yàn)，如荊江市長(zhǎng)江勘察設(shè)計(jì)院和長(zhǎng)江科學(xué)院［10］提出的基于大量實(shí)測(cè)數(shù)據(jù)的預(yù)警等級(jí)劃分方法，將所有崩岸影響因素分為條件特征、沖刷過(guò)程及岸線(xiàn)狀況三大指標(biāo)及相應(yīng)的子指標(biāo)，結(jié)合已有工程經(jīng)驗(yàn)評(píng)估岸坡在這3個(gè)方面獲得的分值，進(jìn)而確定加權(quán)后的綜合分值，由此判斷一般設(shè)防、二級(jí)設(shè)防、一級(jí)設(shè)防及警戒4類(lèi)預(yù)警等級(jí)；曹雙等［11］依據(jù)河演分析及水流運(yùn)動(dòng)數(shù)學(xué)模型初步確定險(xiǎn)工段，結(jié)合汛前監(jiān)測(cè)結(jié)果確定該岸段預(yù)警等級(jí)；李義天等［12］通過(guò)比較預(yù)測(cè)坡度與臨界坡度定量劃分崩岸預(yù)警等級(jí)。這些方法或考慮的因子較為單一，或較為定性，因此，有必要提出一種考慮多崩岸影響因子的崩岸預(yù)測(cè)及定量劃分預(yù)警等級(jí)的方法。

本次研究選取荊江河段為研究對(duì)象。首先從水沙條件和河床邊界條件方面選取并量化崩岸影響因子；其次依托這些崩岸影響因子，采用隨機(jī)森林算法構(gòu)建了崩岸可能性計(jì)算模型，用2003～2017年的實(shí)測(cè)數(shù)據(jù)對(duì)模型進(jìn)行率定，用2018～2020年實(shí)測(cè)數(shù)據(jù)進(jìn)行驗(yàn)證；最后運(yùn)用Dempster-Shafer（DS）證據(jù)理論［13-14］將崩岸可能性、臨江居民區(qū)面積和堤外灘體寬度3個(gè)預(yù)警指標(biāo)相融合，確定崩岸預(yù)警等級(jí)劃分標(biāo)準(zhǔn)。

1 研究區(qū)域

荊江河段上起枝城，下迄城陵磯，全長(zhǎng)約347 km（見(jiàn)圖1），以藕池口為界，分為上荊江和下荊江。上荊江為微彎分汊型河道，上部黏土層較厚，河岸抗沖性較強(qiáng)，崩岸現(xiàn)象相對(duì)較少；下荊江為蜿蜒型河道，下部沙層較厚，河岸抗沖性較差，崩岸現(xiàn)象較為頻繁和劇烈［15］。上荊江崩岸現(xiàn)象主要集中在臘林洲以及松滋口、太平口附近，下荊江主要在頂沖岸段或主流貼岸、洲灘調(diào)整相對(duì)劇烈的河段以及深泓線(xiàn)劇烈擺動(dòng)位置，如向家洲、方家?jiàn)A、鋪?zhàn)訛场⒄{(diào)關(guān)［7］。因此，本次研究選取上荊江臘林洲荊34和青安二圣洲荊60等4個(gè)斷面，以及下荊江崩岸現(xiàn)象較嚴(yán)重的北門(mén)口荊98及方家?jiàn)A荊133等4個(gè)斷面作為研究斷面，開(kāi)展崩岸可能性計(jì)算與預(yù)警等級(jí)劃分。

2 崩岸預(yù)警方法

本次研究提出的崩岸預(yù)警方法主要包括崩岸可能性的計(jì)算及預(yù)警等級(jí)的劃分。首先以隨機(jī)森林模型為基礎(chǔ)，依據(jù)實(shí)測(cè)數(shù)據(jù)，確定斷面發(fā)生崩岸的可能性和不同因素對(duì)于崩岸的重要度；其次以崩岸可能性、臨江居民區(qū)面積及堤外灘體寬度為指標(biāo)，采用DS證據(jù)理論，對(duì)多個(gè)指標(biāo)融合，劃分崩岸預(yù)警等級(jí)。具體流程如圖2所示。

2.1 崩岸可能性計(jì)算

崩岸的影響因素繁多，通常情況下分為水沙條件與河床邊界條件。因此，此節(jié)旨在介紹通過(guò)構(gòu)建隨機(jī)森林模型確定崩岸可能性及上述兩類(lèi)影響因子重要度的計(jì)算方法。

2.1.1 崩岸影響因子的量化

表1列出了本次研究中分析的所有崩岸影響因子及其量化過(guò)程。在水沙條件方面，分析了研究河段流量、懸移質(zhì)輸沙率、河道退水速率及主流位置對(duì)崩岸的影響。通常情況下主流位置與深泓位置接近，故采用深泓距岸的相對(duì)距離來(lái)表示主流離岸情況。在河床邊界條件方面，則考慮了河岸坡度、灘槽高差、河彎曲率、土體層數(shù)、黏土層厚度和護(hù)岸工程的影響。

2.1.2 隨機(jī)森林模型的構(gòu)建

隨機(jī)森林模型由多棵決策樹(shù)組成，其中決策樹(shù)是一棵簡(jiǎn)單二叉分類(lèi)樹(shù)，由根節(jié)點(diǎn)不斷遞歸分割為內(nèi)部節(jié)點(diǎn)，最終得到葉節(jié)點(diǎn)即預(yù)測(cè)結(jié)果組成。圖3給出了隨機(jī)森林模型的構(gòu)建過(guò)程，其主要利用自助法（Bootstrap）從總訓(xùn)練樣本D中隨機(jī)選取k個(gè)子訓(xùn)練樣本集，建立k棵相對(duì)應(yīng)的決策樹(shù)；在決策樹(shù)的每個(gè)節(jié)點(diǎn)上隨機(jī)地從M個(gè)崩岸影響因素中選取M′個(gè)，分別計(jì)算M′個(gè)影響因子在該節(jié)點(diǎn)的基尼不純度G，選取最小基尼不純度對(duì)應(yīng)的影響因子為該節(jié)點(diǎn)的分割因子，直至決策樹(shù)分裂深度達(dá)到預(yù)設(shè)深度，決策樹(shù)構(gòu)建完成；依據(jù)構(gòu)建的決策樹(shù)，輸入測(cè)試數(shù)據(jù)，得到分類(lèi)結(jié)果；隨機(jī)森林模型結(jié)合所有決策樹(shù)的分類(lèi)結(jié)果，分別得到崩岸和不崩岸的可能性，可能性較大的類(lèi)別作為判別結(jié)果。崩岸影響因子重要度的計(jì)算過(guò)程為：

第j個(gè)崩岸影響因子在某個(gè)節(jié)點(diǎn)的基尼不純度可表示為Gj，把隨機(jī)森林中所有Gj求和后對(duì)所有樹(shù)取平均，并以該影響因子的平均基尼不純度占所有影響因子的基尼不純度總和的百分比度量崩岸影響因子的重要度。隨機(jī)森林模型的計(jì)算原理可參照文獻(xiàn)［16］。

本文將實(shí)測(cè)數(shù)據(jù)集分為訓(xùn)練集（2003～2017年）與測(cè)試集（2018～2020年），并對(duì)隨機(jī)森林模型中的決策樹(shù)數(shù)目和決策樹(shù)深度兩個(gè)參數(shù)進(jìn)行優(yōu)化。訓(xùn)練好的隨機(jī)森林模型共包括16棵決策樹(shù)，每棵決策樹(shù)的深度為30。

2.2 崩岸預(yù)警等級(jí)劃分

確定崩岸預(yù)警等級(jí)涉及的主要問(wèn)題之一，在于如何對(duì)3個(gè)指標(biāo)給出的信息進(jìn)行融合。DS證據(jù)理論主要用于多指標(biāo)的信息融合［18-20］，故本文采用該方法確定綜合預(yù)警等級(jí)。

2.2.1 居民區(qū)面積與堤外灘體寬度的計(jì)算

根據(jù)汛期Google地圖上水陸顏色差異，手繪河岸線(xiàn)位置，并將大堤的坐標(biāo)導(dǎo)入Google地圖中，從而確定河岸線(xiàn)距離大堤的橫向距離。

臨江居民區(qū)面積的確定依賴(lài)于計(jì)算范圍，而計(jì)算范圍應(yīng)與研究河段內(nèi)崩岸現(xiàn)象的劇烈程度有關(guān)。據(jù)統(tǒng)計(jì)，2002～2020年荊江段最大年內(nèi)崩退寬度約0.5 km，發(fā)生在觀(guān)音洲彎道段，而最大年內(nèi)崩退長(zhǎng)度約3.5 km，發(fā)生在八姓洲彎道段。本次研究中的預(yù)警對(duì)象為特定斷面的河岸，因此暫選取計(jì)算范圍為研究斷面向上下游各延伸2 km，且由河岸線(xiàn)向內(nèi)陸延伸1.5 km的矩形范圍（見(jiàn)圖1）。

2.2.2 預(yù)警指標(biāo)警限的劃分

在劃分預(yù)警等級(jí)前，需要對(duì)各指標(biāo)劃分預(yù)警警限。本文采用自然間斷點(diǎn)分級(jí)法劃分臨江居民區(qū)面積和堤外灘體寬度兩個(gè)指標(biāo)的預(yù)警警限［21］。針對(duì)崩岸可能性的預(yù)警警限，將崩岸可能性大于0.6劃分為Ⅰ級(jí)預(yù)警，并依據(jù)均數(shù)原則以0.2作為該指標(biāo)的警限跨度，依次劃分崩岸可能性的預(yù)警警限。

2.2.3 DS證據(jù)理論

DS證據(jù)理論將概率論的基本事件空間推廣為辨識(shí)框架U，即所有互斥假設(shè)的集合。本次研究中U表示預(yù)警等級(jí)所有可能值的窮舉集合。例如，將預(yù)警等級(jí)劃分為Ⅰ級(jí)預(yù)警、Ⅱ級(jí)預(yù)警、Ⅲ預(yù)警和不預(yù)警，其中Ⅰ級(jí)預(yù)警表示最高級(jí)預(yù)警等級(jí)，且各等級(jí)分別采用變量a，b，c，d來(lái)表示，則辨識(shí)框架U為［a，b，c，d］。對(duì)于辨識(shí)框架中任意命題A，即不同預(yù)警等級(jí)，其基本概率指派函數(shù)m滿(mǎn)足如下條件：

AUmA=1（1）

m=0（2）

式中：表示空集?；靖怕手概珊瘮?shù)反映了證據(jù)（預(yù)警指標(biāo)）對(duì)識(shí)別框架中命題A的支持程度，其值由警限劃分結(jié)果確定。由于各證據(jù)（預(yù)警指標(biāo)）的貢獻(xiàn)程度不同，根據(jù)鄧勇等［22］提出的方法，分別對(duì)其賦予不同的權(quán)重后，對(duì)各證據(jù)的基本概率指派函數(shù)進(jìn)行加權(quán)平均：

mA=ni=1miA·wi（3）

式中：n表示證據(jù)（預(yù)警指標(biāo)）數(shù)目；wi表示證據(jù)的權(quán)重。本次研究中各指標(biāo)權(quán)重wi預(yù)先給定初值，而后根據(jù)預(yù)警結(jié)果與相關(guān)單位實(shí)際發(fā)布的預(yù)警等級(jí)結(jié)果進(jìn)行對(duì)比，從而對(duì)給定的權(quán)重進(jìn)行率定。

最后按照證據(jù)（指標(biāo)）的個(gè)數(shù)n，使用Dempster 組合規(guī)則［14-15］對(duì)加權(quán)平均后的概率指派函數(shù)共計(jì)組合n-1次，得到最終的指派函數(shù)m′A，其中Dempster 組合規(guī)則為

m′A=11－KB∩C=AmB·mC（4）

式中：B和C同樣為辨識(shí)框架U的任意子集；m（B）和m（C）分別為加權(quán)平均后的概率指派函數(shù)；K反映了證據(jù)之間沖突的程度，且其計(jì)算公式為

K=B∩C≠mB·mC（5）

3 結(jié)果分析

3.1 崩岸影響因子的重要性

圖4給出了基于隨機(jī)森林模型計(jì)算的崩岸影響因子的重要性，其中護(hù)岸工程對(duì)崩岸的影響最大，重要度達(dá)16.6%；河岸坡度對(duì)崩岸的影響次之，重要度為14.4%；河道退水速率、懸移質(zhì)輸沙率和相對(duì)深泓位置重要度相差不大，分別為12.8%，12.6%和12.4%；流量和灘槽高差的重要度分別為10.2%和9.6%。

這7個(gè)影響因子重要度總和達(dá)到了88.6%，因此認(rèn)為這些為研究區(qū)域內(nèi)崩岸的主控因子。剩余的影響因子重要度不超過(guò)15%，其原因與每年曲率、黏土層厚度和土體層數(shù)變化不大相關(guān)。通常認(rèn)為崩岸主要是由水流沖刷河岸造成［23-24］，但本文計(jì)算結(jié)果中流量重要度排序靠后，與蓄水后荊江河段年均流量變化不大有關(guān)?？傮w上各影響因子的重要度相差較小，也進(jìn)一步反映出崩岸預(yù)測(cè)需要考慮各因素的綜合作用。

3.2 模型率定與驗(yàn)證

模型率定過(guò)程中，本次研究計(jì)算了2003～2017年8個(gè)典型斷面（共120組數(shù)據(jù)）的崩岸可能性，模型計(jì)算準(zhǔn)確率為81%（預(yù)測(cè)正確的數(shù)目/總數(shù)據(jù)量）。圖5給出了計(jì)算的上荊江荊45R（R表示右岸）、荊60L（L表示左岸）和下荊江荊97R、荊133L等斷面的崩岸可能性隨時(shí)間的變化過(guò)程?？傮w上，這些斷面的預(yù)測(cè)情況與實(shí)際情況較為吻合，且2006年、2011年和2013年流量較小，故預(yù)測(cè)崩岸可能性顯著減小。

此外，荊97R岸坡較陡（河岸坡度約為0.49），深泓緊貼右岸（相對(duì)深泓位置約為0.13），灘槽高差較大（23.71 m），且該斷面右岸上層為粉質(zhì)黏土（約6 m厚），下層為沙土（約20 m厚），抗沖性較差，因此該斷面崩岸可能性較大。2013年以來(lái)荊97R崩岸可能性顯著降低。荊133L深泓緊貼左岸（相對(duì)深泓位置約為0.14），2012～2015年該斷面崩岸頻繁發(fā)生，自2016年對(duì)其護(hù)坡處理后該河段較穩(wěn)定。

采用率定后的模型計(jì)算了2018～2020年荊江河段8個(gè)典型斷面的崩岸可能性，表2列出了計(jì)算值與實(shí)際情況的對(duì)比，僅有2個(gè)斷面預(yù)測(cè)結(jié)果與實(shí)際不符，可知該模型預(yù)測(cè)性能較好。荊60L斷面在2020年實(shí)際未崩岸，但預(yù)測(cè)崩岸可能性為0.65；荊149L斷面2018年實(shí)際未崩岸，但計(jì)算崩岸可能性偏大（0.5），可能與該年流量較大有關(guān)。

3.3 預(yù)警等級(jí)劃分結(jié)果

本文結(jié)合實(shí)際河道崩岸預(yù)警工作，將崩岸預(yù)警等級(jí)分為3級(jí)，其中Ⅰ級(jí)預(yù)警等級(jí)最高。表3列出了崩岸預(yù)警指標(biāo)的警限劃分結(jié)果。當(dāng)居民住房面積約占1/3研究區(qū)面積時(shí)，預(yù)警等級(jí)為Ⅰ級(jí)，且各警限的分界點(diǎn)分別為1.6，1.0和0.5。堤外灘體寬度小于428 m時(shí)，設(shè)定該指標(biāo)下的預(yù)警等級(jí)為Ⅰ級(jí)；Ⅱ級(jí)和Ⅲ級(jí)預(yù)警的分界點(diǎn)為993 m；Ⅲ級(jí)預(yù)警與不預(yù)警的分界點(diǎn)是1 379 m。

隨后依據(jù)警限劃分結(jié)果確定各預(yù)警指標(biāo)對(duì)應(yīng)的等級(jí)，以2018年荊34R斷面為例確定各預(yù)警指標(biāo)對(duì)應(yīng)的預(yù)警等級(jí)，該斷面崩岸可能性為0.27，居民區(qū)面積為0.70 km2，堤外灘體寬度為1 110 m，對(duì)應(yīng)的預(yù)警等級(jí)均為Ⅲ級(jí)預(yù)警（c）。同理得到其余斷面的各預(yù)警指標(biāo)對(duì)應(yīng)的預(yù)警等級(jí)（見(jiàn)表4）。

在依據(jù)上述預(yù)警指標(biāo)確定綜合預(yù)警等級(jí)前，要確定各指標(biāo)的權(quán)重，本文采用2018年長(zhǎng)江水利委員會(huì)（以下簡(jiǎn)稱(chēng)“長(zhǎng)江委”）水文局［25］給出的預(yù)警等級(jí)率定3個(gè)預(yù)警指標(biāo)權(quán)重wi，并采用2019年和2020年資料對(duì)其進(jìn)行驗(yàn)證，得到wi分別為0.6，0.2和0.2。以2018年荊35R斷面為例，其崩岸可能性、居民區(qū)面積和堤外灘體寬度對(duì)應(yīng)的等級(jí)分別為Ⅲ級(jí)預(yù)警（c）、Ⅲ級(jí)預(yù)警（c）和不預(yù)警（d），對(duì)應(yīng)的基本概率指派函數(shù)分別為m1（c）=1、m2（c）=1和m3（d）=1，其余基本概率指派函數(shù)為0，由式（3）加權(quán)平均后的基本概率指派函數(shù)分別為m（a）=0、m（b）=0、m（c）=0.8、m（d）=0.2。

隨后采用DS證據(jù)理論融合2次得到最終的概率指派函數(shù)，其中概率指派函數(shù)最大值對(duì)應(yīng)的等級(jí)為該斷面的預(yù)警等級(jí)率指派函數(shù)。表5列出了研究斷面的崩岸預(yù)警等級(jí)，可知2019年預(yù)警等級(jí)普遍偏小，可能與該年流量較小有關(guān)。荊97斷面崩岸可能性較小，以致于其預(yù)警等級(jí)偏小。

長(zhǎng)江委水文局相關(guān)研究報(bào)告［25］給出的2018～2020年的崩岸預(yù)警結(jié)果表明：荊60L、荊97R和荊98R斷面為Ⅰ級(jí)預(yù)警，2019年和2020年荊149L為Ⅲ級(jí)預(yù)警，其余斷面不預(yù)警。將本次研究預(yù)警結(jié)果與長(zhǎng)江委水文局給出的預(yù)警等級(jí)對(duì)比，發(fā)現(xiàn)本次研究中Ⅲ級(jí)預(yù)警斷面更多，造成該現(xiàn)象的原因在于：長(zhǎng)江委水文局劃分預(yù)警等級(jí)以崩岸可能性為主要依據(jù)，而本次研究還考慮了崩岸對(duì)居民安全及堤防損毀的影響。例如，在上荊江臘林洲荊34R、荊35R斷面和下荊江方家?jiàn)A荊133L斷面，居民區(qū)面積對(duì)應(yīng)的警限（分別為Ⅲ級(jí)預(yù)警、Ⅲ級(jí)預(yù)警和不預(yù)警）和堤外灘體寬度對(duì)應(yīng)的警限（Ⅲ級(jí)預(yù)警、不預(yù)警、Ⅲ級(jí)預(yù)警）較高，由此本次研究確定其預(yù)警等級(jí)為Ⅲ級(jí)預(yù)警，但這些區(qū)域未在長(zhǎng)江委水文局的預(yù)警范圍內(nèi)。

4 結(jié) 論

本次研究提出了長(zhǎng)江中游荊江段典型斷面崩岸預(yù)警等級(jí)的劃分方法，首先基于隨機(jī)森林模型計(jì)算了典型斷面崩岸發(fā)生的可能性大小，并給出了不同影響因子的重要度；然后基于DS證據(jù)理論，結(jié)合崩岸發(fā)生的可能性、臨江居民區(qū)面積和堤外灘體寬度3個(gè)指標(biāo)確定了典型斷面的預(yù)警等級(jí)，并對(duì)結(jié)果進(jìn)行了驗(yàn)證。主要結(jié)論如下。

（1） 構(gòu)建的隨機(jī)森林模型可較好地反映研究河段內(nèi)崩岸與各影響因素的相關(guān)性，模型測(cè)試集準(zhǔn)確率為75%。通過(guò)點(diǎn)繪崩岸可能性隨時(shí)間的變化過(guò)程，發(fā)現(xiàn)該模型能較好地反映崩岸可能性隨影響因子改變而變化的過(guò)程。在流量較小的年份內(nèi)，計(jì)算的崩岸可能性整體偏小，而在岸坡坡度較大且深泓緊貼河岸的斷面，計(jì)算的崩岸可能性普遍較高。

（2） 總體上本文選取崩岸影響因素的重要度相差較小，由此反映出崩岸過(guò)程預(yù)測(cè)需要考慮不同因素的綜合作用。其中護(hù)岸工程對(duì)崩岸的影響重要度達(dá)到了16.6%，而河岸坡度的重要度達(dá)14.4%，流量、相對(duì)深泓位置、懸移質(zhì)輸沙率和河道退水速率的重要度介于10.2%～12.8%之間。

（3） 將本次研究中預(yù)警等級(jí)劃分結(jié)果與長(zhǎng)江委水文局發(fā)布的預(yù)警等級(jí)對(duì)比，發(fā)現(xiàn)本次研究中出現(xiàn)Ⅲ級(jí)崩岸預(yù)警的斷面較多，但在石首北門(mén)口段的預(yù)警等級(jí)有所降低。造成該現(xiàn)象的原因在于以往劃分預(yù)警等級(jí)通常僅以崩岸可能性為主要依據(jù)，而本研究還考慮了臨江居民住房面積與堤外灘地寬度兩個(gè)指標(biāo)。

參考文獻(xiàn)：

［1］ 夏軍強(qiáng)，劉鑫，鄧珊珊，等.三峽工程運(yùn)用后荊江河段崩岸時(shí)空分布及其對(duì)河床調(diào)整的影響［J］.湖泊科學(xué)，2022，34（1）：296-306.

［2］ 夏軍強(qiáng)，周美蓉，許全喜，等.三峽工程運(yùn)用后長(zhǎng)江中游河床調(diào)整及崩岸特點(diǎn)［J］.人民長(zhǎng)江，2020，51（1）：16-27

［3］ HOOKE J M.An analysis of the processes of river bank erosion［J］.Journal of Hydrology，1979，42：39-62.

［4］ BEGIN Z B.Stream curvature and bank erosion：a model based on the momentum equation［J］.Journal of Geology，1981，89：497-504.

［5］ 鄧珊珊，夏軍強(qiáng)，李潔，等.河道內(nèi)水位變化對(duì)上荊江河段岸坡穩(wěn)定性影響分析［J］.水利學(xué)報(bào)，2015，46（7）：844-852.

［6］ DARBY S E，THORNE C R.Development and testing of riverbank-stability analysis［J］.Journal of Hydraulic Engineering，1996，122（8）：443-454.

［7］ 夏軍強(qiáng)，宗全利.荊江段崩岸機(jī)理及數(shù)值模擬［M］.北京：科學(xué)出版社，2015.

［8］ KLAVON K，F(xiàn)OX G A，GUERTAULT L，et al.Evaluating a process‐based model for use in streambank stabilization：insights on the bank stability and Toe Erosion Model（BSTEM）［J］.Earth Surface Processes and Landforms，2017，42（1）：191-213.

［9］ 王延貴，齊梅蘭，金亞昆.河道岸灘穩(wěn)定性綜合評(píng)價(jià)方法［J］.水利水電科技進(jìn)展，2016，36（5）：55-59.

［10］ 荊州市長(zhǎng)江勘察設(shè)計(jì)院，長(zhǎng)江水利委員會(huì)長(zhǎng)江科學(xué)院，荊州市荊江河道演變監(jiān)測(cè)中心.2017年荊江河道演變監(jiān)測(cè)及分析成果報(bào)告［R］.荊州：荊州市長(zhǎng)江勘察設(shè)計(jì)院，2018.

［11］ 曹雙，蔡磊，劉沛.崩岸預(yù)警綜合評(píng)估法研究與應(yīng)用探討［J］.水利水電快報(bào)，2019，40（8）：21-28.

［12］ 李義天，唐金武，朱玲玲，等.長(zhǎng)江中下游河道演變與航道整治［M］.北京：科學(xué)出版社，2012.

［13］ DEMPSTER A P.Upper and lower probabilities induced by a multi-valued mapping［J］.Annals of Mathmatical Statistics，1967，38（4）：325-339.

［14］ SHAFER G.A mathematical theory of evidence［M］.Princeton：Princeton University Press，1976.

［15］ 周美蓉，夏軍強(qiáng)，林芬芬，等.三峽工程運(yùn)用后上荊江枯水河槽調(diào)整及其對(duì)航道的影響［J］.工程科學(xué)與技術(shù)，2017，49（增2）：74-82.

［16］ BREIMAN L.Random forests［J］.Machine Learning，2001，45（1）：5-32.

［17］ HASENHüNDL M，BLANCKAERT K.A matlab script for the morphometric analysis of subaerial and subaquatic rivers，channels and canyons：manual［J］.Computers and Geosciences，2022，162：105080.

［18］ 蘇曉燕，張蕙杰，李志強(qiáng)，等.基于多因素信息融合的中國(guó)糧食安全預(yù)警系統(tǒng)［J］.農(nóng)業(yè)工程學(xué)報(bào)，2011，27（5）：183-189.

［19］ ZHAO H，BU Z H，MA S B.Risk evaluation of sewage treatment PPPABS projects using combination weight method and D-S evidence theory［J］.Complexity，2020（9）：1-12.

［20］ GUTIERREZ-ESTRADA J C，DE-SANZ E，LOEZ-LUQUE R，et al.SEDPA，an expert system for disease diagnosis in eel rearing systems［J］.Aquacultural Engineering，2005，33（2）：110-125.

［21］ 李乃強(qiáng)，徐貴陽(yáng).基于自然間斷點(diǎn)分級(jí)法的土地利用數(shù)據(jù)網(wǎng)格化分析［J］.測(cè)繪通報(bào)，2020（4）：106-110，156.

［22］ 鄧勇，施文康，朱振福.一種有效處理沖突證據(jù)的組合方法［J］.紅外與毫米波學(xué)報(bào)，2004，23（1）：27-32.

［23］ 張幸農(nóng)，蔣傳豐，陳長(zhǎng)英，等.江河崩岸的類(lèi)型與特征［J］.水利水電科技進(jìn)展，2008，28（5）：66-70.

［24］ 吳玉華，蘇愛(ài)軍.江西省彭澤縣馬湖堤崩岸原因分析［J］.人民長(zhǎng)江，1997，28（4）：27-30.

（編輯：胡旭東）

Study on early-warning method of bank collapse at typical sections of Jingjiang Reach of Middle Yangtze River and its application

LI Nuo，XIA Junqiang，DENG Shanshan，ZHOU Yueyao，QI Jialu

（State Key Laboratory of Water Resources and Hydropower Engineering Science，Wuhan University，Wuhan 430072，China）

Abstract：

Affected by the operation of the Three Gorges Reservoir，sediment amount entering the Jingjiang reach of middle Yangtze River was sharply decreased，resulting in intensive river bed incision and bank erosion，which would not only affect the channel stability，but also increase the flood control pressure.In this paper，firstly 10 bank collapse influencing factors were selected from the aspects of water-sediment conditions and riverbed boundary conditions，and quantified.Secondly，based on the measured data，the random forest model was used to calculate the possibility of bank collapse，and the model was calibrated and verified.Finally，based on the DS evidence theory，three early-warning indicators（bank erosion possibility，nearby residential area and the width of floodplain） were combined to divide the early-warning level of bank collapse of typical sections.The results showed that：①the random forest model could well reflect the correlation between the influencing factors of bank collapse and its occurrence possibility，with a high accuracy of 75% being obtained during the model test.②The obtained early-warning levels agreed with the published results of Changjiang Water Resource Commission，and especailly at the right banks of sections of Jing 60L and Jing 98R，the calculated warning levels of bank collapse was relatively high，with grade I or grade II from 2018 to 2020.Furthermore，analysis on the contributions of different influencing factors to bank collapse in the Jingjiang reach indicated that bank revetment had the greatest contribution of 16.6%，followed by the bank slope of 14.4%，whereas the contribution of discharge is 10.2%.

Key words：

bank collapse；early-warning level；random forest；DS evidence theory；Jingjiang reach