基于数量化理论和BP神经网络的滑坡体积预测

[目的]探讨数量化理论Ⅲ和BP神经网络在滑坡中综合应用的效果,为滑坡体积的预测提供一种新的思路。[方法]采用数量化理论Ⅲ分析滑坡体积的影响因素及其耦合作用强度,并结合其分析结果,将次要因素和强耦合程度样本进行剔除,再依据其剔除的不同阶段构建3种滑坡体积的BP神经网络预测模型。[结果]滑坡体积的主要影响因素是坡角、坡向、植被覆盖率和坡高,次要影响因素是岩层倾角、斜坡高程和岩层倾向因素,且在不同样本中,体积影响因素之间的耦合程度具有一定的差异。[结论]该预测方法可行,对次要因素和强耦合程度样本的剔除,提高了预测精度。     

数量化理论Ⅲ在川东红层岩质滑坡研究中的应用

[目的]揭示川东红层岩质滑坡稳定性的影响因素,为该地区滑坡的防治提供理论依据。[方法]基于对川东红层地区的滑坡综合调查,利用数量化理论Ⅲ对该地区滑坡的影响因素及其耦合作用进行分析。[结果]川东地区滑坡的主要作用因素为岩层倾角、滑坡高度及临空面高度,次要作用因素为土地利用情况及岩层组合关系,而一般作用因素是外营力及人类工程活动和岩层时代;确定出年降雨量、侏罗纪时代岩层、小于50m的滑坡高度、岩层倾角在5°~15°之间、厚层砂岩或泥岩夹薄层泥岩或砂岩、临空面高度在5~15m之间、土地旱地利用及河流冲刷及人类工程活动的主控影响因素。[结论]在不同滑坡样品中,不同因素的耦合强度具有一定的差异。经对比分析结果与现场调查的可靠性验证,证明了该方法的有效性。     

基于遥感与数量化Ⅱ类的滑坡危险度划分

以日本广岛地区为例,利用高分辨率遥感影像动态监测滑坡体,就滑坡灾害各种自然及环境因素建立其多元回归分析方程.利用数量化理论第Ⅱ类方法对可能发生滑坡灾害区域进行以遥感影像像素为单元的危险度划分.根据发生滑坡可能性的大小可将其划分为高、中、低3个等级,为预测预报提供依据.     

基于信息分解条件的滑坡变形预测

[目的]有效掌握滑坡变形规律,实现对滑坡变形的高精度预测.[方法]基于滑坡现场变形监测成果,先利用优化经验模态实现其变形数据的信息分解,再利用优化径向基神经网络和马尔科夫链完成滑坡变形的分项组合预测;最后,利用季节性Kendall检验判断滑坡变形趋势,以验证预测结果的可靠性.[结果]经验模态能有效分解滑坡变形信息,且通...     

基于支持向量机和BP神经网络的滑坡变形复合式预测

[目的]探讨复合式组合预测模型对滑坡两变形时间序列的预测效果,为滑坡的变形预测提供一种新的思路。[方法]基于支持向量机和BP神经网络,构建滑坡位移序列和速率序列的复合式预测模型,首先,对滑坡环境因素进行分析,提取其基本信息;其次,利用2种预测方法构建回归结构预测模型和多因素预测模型,并对两时间序列进行一重预测;最后,利用BP神经网络对一重预测结果进行了二重组合优化。[结果]滑坡库水位与滑坡两变形序列均具有较大的相关性,滑坡的稳定性很大程度上会出现周期性疲劳减弱的可能,且通过对滑坡变形的复合式预测。[结论]该方法的相对预测误差均较小,很大程度上提高了滑坡变形的预测精度和稳定性,证明了该预测模型的有效性。     

基于傅里叶函数拟合的滑坡变形监测分析

滑坡变形监测和预测对滑坡灾害治理决策具有重要的参考意义,而研究计算简便、精度较高的数学模型来分析处理滑坡变形监测数据是关键。以G316线稍子坡段(K2556+345～K2563+000)10~#滑坡的深部位移监测数据为例,根据累计位移-深度曲线上突变位置在滑坡纵剖面上确定出滑动面,利用MATLAB软件中的curve fitting tool曲线拟合工具,通过多种拟合函数拟合效果对比分析,确定利用傅里叶函数拟合位移-时间监测数据,并利用拟合曲线进行滑坡变形趋势预测。该方法对小数据量的监测数据能够达到较高的预测精度,并具有计算简便的特点。     

区域滑坡频度预测和趋势研究

区域滑坡危险度评价是区域滑坡防灾减灾的重要研究内容.基于区域滑坡过去一定时期的滑坡资料对未来一定时期的滑坡发生频度预测和趋势研究可为区域滑坡危险度进行动态评价.结合三峡库区万州区滑坡资料,对其进行时间记录分析,研究其不同面积等级不同时间范围的Hurst指数经验关系.分别建立T时间范围1980-1990年,1980-1995年和滑坡面积M>1000 M2,M>10000m2,M>100000m2的Hurst指数经验关系.根据Hurst指数对其未来5a的滑坡频度的最大涨落范围进行预测.并分析时间相关函数与H值的函数关系,为滑坡发展趋势进行定量预测.研究表明,区域滑坡频度预测可为区域滑坡危险度进行动态评价.     

基于人工神经网络的组合预测及应用

综合组合预测和人工神经网络的特点，提出一种将人工神经网络应用于组合预测的新方法，并以浙江省猪肉产量预测为实例进行了论证。     

陕南山区滑坡灾害的预测预报

受人类社会经济活动的影响,陕南水土流失加剧、滑坡灾害频繁,经济损失严重。特殊的地形、地质、降水条件和不合理的人类活动,是导致滑坡发生频繁的根本原因。将陕南山区未来10年滑坡灾害预测区划分为弱灾区、少灾区、多灾区、重灾区4类,并介绍了滑坡预测预报的内容和方法。     

滑坡的多模型综合预测预报研究

由于滑坡的复杂性以及预报模型和方法的局限性,简单地利用单一的滑坡预测预报模型准确地预报滑坡的滑动时间还很困难。为了提高滑坡预报的准确度,提出了在滑坡原型调研和机制研究的基础上,以滑坡的监测资料为依据,通过监测点的选取、监测信息的处理和变形阶段的判别,选择多个与所预报滑坡相适宜的预测预报模型对滑坡的滑动时间进行预测预报,并对多个模型的预报结果进行综合评判得出预报结果,最后以黄龙西村滑坡实例进行了应用。     

滑坡系统监测及预报

滑坡监测的好坏对受滑坡威胁的重要工程的安全及运行产生直接影响,根据前人工作成果以及自己的经验,系统的阐述了滑坡监测系统,并对监测的结果进行分析预测,取得了很好的效果.     

秭归县鸡鸣寺滑坡监测预报方法初报

鸡鸣寺大型滑坡,由于滑前开展了系统的监测工作,做到了预报准确、报警及时,极大地减少了滑坡损失。为验证滑坡监测预报的科学性,采用不稳定斜坡危险度判别法、滑坡位移历时曲线法进行了检验。结果表明,鸡鸣寺滑坡的监测预警、预报的准确性,具有一定的科学性和理论依据,其预报方法值得推广。     

神经网络在滑坡预报中的应用

该文讨论了滑坡预报技术的现状?存在的问题以及应用神经网络解决滑坡预报问题的新途径;提出了一种基于神经网络的滑坡预报系统(HPNN)模型及基本结构,并通过实例介绍了其工作原理?     

滑坡变形的多因素小波神经网络预测模型

小波神经网络模型结合了小波变换良好的时频局域化性质及传统神经网络具有的自学习功能,具有良好的逼近与容错能力。以某水电工程区的典型滑坡为例,在对滑坡的基本特征、滑坡变形与主要影响因素相关关系进行分析的基础上,选择滑坡位移速率和对滑坡位移起控制作用的降雨2个因素,建立了滑坡变形的小波神经网络预测模型,并与其他多因素小波神经网络模型进行了比较。结果表明,所建的滑坡多因素小波神经网络模型的预测精度总体均比较高,其中以位移速率和降雨量建立的2因素小波神经网络模型的预测精度最高,优于其他小波神经网络模型。     

GIS支持下川滇黔接壤区滑坡危险性评价

川滇黔接壤地区是中国滑坡灾害的多发区,区内共有崩塌、滑坡等地质灾害隐患点1.2万余处,对100余万人的生命与财产安全构成威胁,严重影响当地人民生产、生活安全与可持续发展。选择坡度、相对高差、到活动断裂带距离、年均降雨量和年均大雨日数5个因子作为滑坡危险性的评价因子,在GIS支持下获取各因子的贡献权重,根据贡献率模型在空间叠加下生成研究区滑坡危险性评价图。结果表明:(1)研究区1.92×105 km2面积中,极高危险区3.92×104 km2,高危险区4.34×104 km2,中危险区4.58×104 km2,低危险区3.92×104 km2,稳定区2.42×104 km2,中度以上危险区面积占研究区总面积的67.00%;(2)极高危险区主要分布在小江—安宁河深大断裂两侧以及金沙江、雅砻江等深切河谷中,显示出活动断裂带和地貌对滑坡危险性的宏观控制作用;(3)中度以上危险区内人口总量约1 152.31万人,占总人口的32.17%;GDP约419.88亿元,占研究区总量的28.75%,因此加强川滇黔接壤地区地质灾害防灾减灾能力建设已刻不容缓。     

滑坡灾害复杂性特征研究

从系统论的角度出发,将滑坡灾害作为一个复杂的巨系统来进行研究,详细分析了滑坡灾害在存在意义和演化意义两个方面的复杂性特征。同时,从协同理论、分形分维、突变理论、人工神经网络与免疫系统以及空间信息技术综合集成等方面探讨了多学科在滑坡灾害复杂性方面的研究。滑坡灾害的复杂性研究可以在一定程度上促进人类对滑坡灾害整体行为和发展演化过程的研究与探索,同时也可以为滑坡灾害的防治评价和预测预报提供科学依据和辅助决策支持,在滑坡灾害及其相关地质灾害的防治中具有积极的作用,在滑坡灾害的防灾减灾中有着广泛的应用前景。