基于GA-SVM 模型的间歇蠕滑滑坡降雨阈值研究.pdf

国防交通工程与技术 年 月 卷期收稿日期:第一作者简介:支墨墨(),男,博士,工程师,主要从事岩土体稳定性评价和地质灾害防治工作.z h i m o m o q n y h c o m基于GA S VM模型的间歇蠕滑滑坡降雨阈值研究支墨墨,马国庆(石家庄铁道大学河北省交通应急保障技术创新中心,河北 石家庄 ;石家庄铁道大学土木工程学院,河北 石家庄 )摘要:下山村滑坡是浙江省最大的降雨型滑坡,雨季时滑坡地下水位对降雨有明显响应,监测数据揭示该滑坡在降雨作用下,具有蠕滑性和间歇性的特征.为了确定诱发滑坡滑动的降雨阈值,首先采用遗传算法(G e n e t i cA l g o r i t h m,GA)对支持向量机(S u p p o r tV e c t o rM a c h i n e,S VM)模型进行优化,构建考虑气象水文过程的GA S VM模型;然后基于监测数据确定滑坡临滑地下水位,结合边坡稳定性分析,采用构建的G A S VM模型进行反算,确定连续降雨诱发滑动的降雨阈值.降雨阈值的确定,对开展滑坡的预警预报工作具有较好的指导意义.关键词:降雨型滑坡;GA S VM;地下水位;降雨阈值;稳定性系数;预警D O I:/j g j g y a t 中图分类号:P ;P 文献标识码:A文章编号:()亚热带季风区雨季的集中降雨被认为是滑坡失稳的主要诱发因素,降雨降低了岩土体自身的力学性能,同时产生的浮托力和渗流作用产生的渗透力等都会对滑坡稳定性产生不利影响.国内外学者关于降雨诱发滑坡做了大量的研究,C a i n e首先提出了降雨诱发滑坡阈值的概念,随着降雨诱发滑坡预警系统在各国的建立,降雨阈值的研究发展相当迅速.目前滑坡降雨阈值的模型,主要包括基于经验统计的降雨阈值模型 ,基于物理过程模拟的降雨阈值模型,以及基于水文气象过程的降雨阈值模型.基于经验的降雨阈值不需要严格的数学推导和物理规律,但是不考虑滑坡岩土体与外界环境(雨水、地下水)的作用机理,往往会产生较多误判;基于物理过程模拟的降雨阈值模型,考虑岩土体与雨水的相互作用,以及地形地貌情况,但仍需要对实际滑坡体进行地质概化,预测结果虽然较经验降雨阈值更加准确,但对于较大范围内的降雨阈值计算具有局限性;基于水文气象过程的降雨阈值模型,考虑滑坡前兆因子(如土体含水量、土体饱和度、地下水位等)与降雨条件的关系,使降雨阈值更加的客观精确.本文研究基于下山村典型降雨诱发型滑坡进行,建立考虑水文气象过程的地下水位预测模型,结合边坡稳定性分析和模型反算确定滑坡的降雨阈值.研究过程中,训练样本中地下水位变化剔除了自然回落量,地下水位预测采用遗传算法优化的支持向量机模型(GA S VM).GA S VM模型具有较好的泛化能力,利用模型预测的地下水位和实测值十分接近.工程概况新昌县下山村滑坡,地处中国东南亚热带季风区.坡体距离前缘的石门水库水平距离约 m,离水面最小高差为 m.坡体如产生快速滑动,可能导致滑坡体西侧的石门水库(库容 万m)的涌浪漫坝,从而对下游居民生命财产及工程建设造成严重威胁.目前坡体仍处于自由滑动状态,滑坡的预警预报工作显得尤为重要.新昌县下山村坡体曾经发生过数次明显的滑动,目前又处于较为稳定状态.坡体最近的一次明显滑动发生在 年月日,坡体前缘滑出几千立方米的土石,坡体滑动前出现连续的大雨,最大的日降雨量达到了 mm,累计降雨达到了 mm,滑动前降雨也较丰富.年新昌县下山村省级示范工程建设期间,在t测点布设了G P S测站和水文孔,利用太阳能供电对滑坡的位移和地下水位进行监测.G P S采用双频接收机,测量精度优于mm,采样频率次/h;采用基康公司振弦式渗压计对观测孔水位h(t)进行监测,采样频率为次/h,精度为mm;智能雨量计雨强监测范围mm/m i n,精度 研究R e s e a r c ha n dD e s i g n与设计国防交通工程与技术 年 月 卷期为mm.监测数据揭示滑坡滑动具有蠕滑性和间歇性特征,典型遇雨则动、无雨则停.下山村滑坡地质剖面如图所示.?/m425400375350325300275250050100 150 200 250 300 350 400450?/m87.5J3xN2t-d1N2t-b1N2t-b1N2t-b2N2t-d3N2t-b3N2t-d4N2t-b4N2t-d3N2t-d2N2t-d2N2t-d2BH2(t2)BH3(t1)el-dlQL16L7N2t-b3图新昌县下山村滑坡地质剖面滑坡滑动特征分析图所示为滑坡区月降雨量和t测点G P S监测位移的对比,可见滑坡的位移呈现明显的阶段性,蠕滑变形集中于 年月到月以及 年月到月,滑坡的变形与滑坡区的雨季降雨密切相关.选取 年月日到月 日期间的监测数据(t测点)进行本文的研究.如图所示:滑坡位移显示滑坡从处于较稳定的状态到开始缓慢的滑动.地下水位对降雨的响应很明显,降雨监测数据包含了一次持续d累计降雨量达到 mm的降雨过程,而位移监测数据也显示滑坡在经历此次降雨过程后开始有缓慢滑动的趋势.?/mm35030025020015010050014131211109876?/mm12-03-0112-05-0112-07-0112-09-0112-11-0113-01-0113-03-0113-05-0113-07-0113-09-01?：?；t2?；?。?图滑坡的表面位移与滑坡区的月降雨量监测数据()预测模型构建模型原理和建立支持向量机非线性回归预测方法,是通过映射将输入变量映射到一个高维特征空间,并构造最优决策函数,利用原空间的核函数取代高维特征空间中的点积运算,应用有限样本的学习训练,获得?/mm655545352515511109876543?/mm10.09.59.08.58.07.57.06.56.05.55.0?/m?：?；?；?。12-04-0112-04-0812-04-1512-04-2212-04-2912-05-0612-05-1312-05-2012-05-2712-06-0312-06-1012-06-1712-06-2412-07-01?图滑坡的表面位移与地下水位、滑坡区的日降雨量监测数据全局最优解.S VM的回归函数为:f(x)T(x)b()利用不敏感损失函数将估计函数转化为函数最小化问题:m i n,bCli(ii)()其约束条件为:T(xi)byii,i,lyiT(xi)bi,i,li,i,i,l()式中:为法向量,分类间隔为;C为惩罚因子;i与i为松弛因子;b为偏置量;x为输入变量;y为输出变量;为误差.最后引入L a g r a n g e乘子,应用W o l f对偶理论将其转化为如下等价对偶问题:m i n,lilj(ii)(jj)K(xi,xj)li(ii)liyi(ii)()约束条件为:li(ii);i,iC,i,l()通过二次规划可得S VM回归预测模型为:f(x,i,i)li(ii)K(xi,xj)b()式中:K(xi,xj)为支持向量机的核函数;i为与每个样本对应的L a g r a n g e乘子.根据向量间的不同算法可将核函数分为类:线性核函数、多项式核函数、径向基核函数(R B F)和s i g m o i d核函数,本文模 研究与设计基于GA S VM模型的间歇蠕滑滑坡降雨阈值研究支墨墨等国防交通工程与技术 年 月 卷期型构建时选取径向基(R B F)核函数,函数表达式为:K(xi,xj)exixj()式中:为函数距离.遗传算法(G e n e t i cA l g o r i t h m s)是一种通过模拟自然进化过程搜索最优解的人工智能算法.考虑到支持向量机对模型参数的敏感性,本文采用遗传算法优化S VM中参数,建立GA S VM模型.数据处理和样本选取潜水位的 变 化h(t)由 降 雨 抬 升 量h(t)(h(t)与自然回落量h(t)(h(t)两部分组成,即h(t)h(t)h(t).通常,当潜水位不受降雨补给影响时,其变化过程可视为自然回落,其变化幅度h(t)在同一坡体内与h(t)相关,受坡体的水文地质条件所决定.为了排除水位因素对变化数据的影响,对h(t)按下式进行处理:h(t)h(t)h(t).如图所示,分布散 点 的 下 界 包 络 线 表 示 在 无 降 雨 影 响 情 况 下(h(t)的观测孔水位h(t)对应的经历d时间后的自然回落曲线.将地下水位的变化剔除自然回落量后用于模型计算.6.01.61.20.80.40.00.40.86.57.07.58.0 8.59.0h(t)/m h(t)/m图与观测水位对应的每日水位下落量剔除自然回落量后,地下水位变化可以认为主要受降雨的影响,利用线性回归模型对地下水位和日降雨量进行回归分析,按照前期降雨随时间增加对地下水位的影响逐渐削弱的原则,确定前期降雨对地下水位有明显影响的天数.利用向量自回归(VA R)模型,求解前期日降雨量(d)对地下水位影响系数矩阵,得到前期日降雨量对地下水位的影响系数,如表所示.表中前天日降雨量对地下水位的影响系数最大,影响系数为 .这是因为降雨入渗时,湿润锋从上到下到达潜水面,降雨才能对潜水进行有效补给.分析影响系数变化,从开始影响系数随着时间的增加逐渐减小,到时影响系数从 增大为 .影响系数随着前期降雨间隔天数的增加而增大,与事实不符,因此模型训练选取间隔大于d的日降雨数据是不合理的.表前期日降雨量对地下水位影响系数 编号数值编号数值编号数值 注:i中i为降雨发生日距水位测量日的时间间隔,单位为d.模型训练和评价基于前期日降雨量对地下水位影响系数的分析,选取地下水位与d前(含当天)的降雨量数据进行S VM模型的训练.选取监测周期为月日到月 日 组数据,监测周期内包含了几次明显的降雨历程,可以保证模型预测的适用性.利用遗传算法对模型惩罚参数C和R B F核函数的进行优化,优化结果如图所示,最优的C ,.1.00.80.60.40.20log2log2CMSE?C=147.033 4=0.035 897MSE=0.015 045505505图利用遗传算法对S VM模型中核函数参数优化采用R和MS E指标评 价 模 型 的 优 劣,对 比GA S VM模 型 和S VM模 型.G A S VM模 型 和S VM模型的R分别为 和 ,M S E分别为 和 ,说明采用GA算法优化后的S VM模型更加优良,采用GA S VM模型拟合降雨量和地下水位的关系是可行的.GA S VM模型计算结果如图所示、与实测值的计算偏差如图所示.偏差值基本集中在m的范围内,只有个点超出了m、在m左右,预测的地下水位绝对误差控制在范围以内.模型计算的d累计降雨量达到 mm降雨过程之后的地下水位和实测值非常接近.预测分析利用GA S VM模型对月 日到 日的地 研究与设计基于GA S VM模型的间歇蠕滑滑坡降雨阈值研究支墨墨等国防交通工程与技术 年 月 卷期?/mm15005-01120906030005-0905-1705-2506-0206-1006-186.06.57.0?/m7.58.08.59.0?：?；?；?。图观测孔水位的实测值与G A S VM模型计算值0.40.30.20.10.0?/m0.10.20.30.405-1305-1905-2505-3106-0606-1206-18?图地下水位模型计算值与实测值的偏差下水位进行预测,结果见图.图表明:模型能较好的预测到降雨后地下水位抬升所产生的水位峰值,但是整体预测的地下水位值是偏大的.在连续降雨的过程中,降雨形成的湿润锋已经达到了地下水位线处,则后续的降雨过程中降雨就能直接补给地下水.模型的训练过程中包含了连续的降雨工况,进行非连续降雨工况时,忽略了降雨形成湿润锋下降至潜水位的过程,造成了预测的地下水位值偏大,对于滑坡稳定系数的计算是偏于安全的.?：?；?；?。150?/mm?/m6.006-16120906030006-1806-2006-2206-2406-2606-286.57.07.58.08.59.0图G A S VM模型对地下水位的预测降雨阈值确定预测模型选取的训练样本,仅是滑坡区雨季的短期监测数据,并未剔除地下水位从旱季到雨季由于降雨量的整体增加而产生的趋势项的影响,因此,建立的GA S VM模型仅适用于雨季地下水位较高的短期预测.模型可以在雨季降雨丰富而地下水位整体较高的时段完成基于降雨量对地下水位的预测,结合滑坡的稳定性分析,确定连续降雨工况下诱发滑坡开始滑动的阈值,有利于预警预报工作的开展.如图所示,滑坡地下水位Hm左右时,滑坡表面变形速率明显增大.此时滑坡的稳定状态发生 改 变,稳 定 性 系 数K开 始 小 于.利 用G e o s t u d i o软件利用M P方法对滑面的岩土体参数进行反算,利用反算的结果对滑坡不同潜水位的稳定性进行计算,从低水位到土体完全浸水(极限水位,地下水位到达地表)滑坡浅部滑面的稳定系数变化范围为 .利用模型对Hm的地下水位对与之对应的前期连续降雨量进行反算,假定前期均匀的连续降雨,反算结果如表所示.监测数据显示的 年月 号累计降雨量达到 mm,大于降雨阈值 mm(降雨天数为d).边坡此时的稳定状态发生改变,位移监测数据揭示滑坡开始缓慢滑动,表明本文反算的降雨阈值是合理的.表达到临界水位的日降雨量和降雨总量反算结果降雨天数/d日降雨量/mm累计降雨量/mm降雨天数/d日降雨量/mm累计降雨量/mm 模型确定的降雨阈值可以作为预警预报的依据,在降雨量达到预警值时,必须同时结合前期的降雨条件进行分析.如 年累计降雨量达到 mm时,坡体发生了明显的滑动,作为对比 年累计降雨量达到 mm时,坡体仅仅是开始有缓慢滑动的趋势.年滑坡明显滑动之前有过几次明显的降雨过程,滑坡的地下水持续高过滑坡临滑水位.滑带土经过长时间的浸润,土体物理力学参数进一步降低,滑坡积聚足够的下滑力能量,因而再一次的降雨过程诱发了滑坡的明显滑动.而单一的一次降雨过程,滑坡地下水短时间高于临滑水位,滑坡位移表现为缓慢滑动之后又基本趋于稳定状态,滑动特征表现为蠕滑性和间歇性,如图所示.结论()滑坡的G P S的监测数据,揭示了滑坡滑动 研究与设计基于GA S VM模型的间歇蠕滑滑坡降雨阈值研究支墨墨等国防交通工程与技术 年 月 卷期的间歇性和蠕滑性特征.()构建了一个基于降雨预测地下水位的GA S VM模型,模型对进行训练的降雨和地下水位的拟合程度良好,利用模型对后续的地下水位进行预测,预测值和实测值接近,模型预测精度较高.()确定了滑坡滑动的临界水位,利用该水位对滑坡的物理力学参数反算,计算出滑坡在监测期内稳定系数变化范围为 .()利用模型确定滑坡滑动的降雨阈值,利用该阈值结合滑坡前期的工况指导滑坡降雨工况的预警预报工作.参考文献L E UNG A K,N G C W W S e a s o n a lm o v e m e n ta n dg r o u n d w a t e r f l o w m e c h a n i s mi na nu n s a t u r a t e ds a p r o l i t i ch i l l s l o p eJ L a n d s l i d e s,:C A I N ENT h er a i n f a l l i n t e n s i t y d u r a t i o nc o n t r o lo fs h a l l o wl a n d s l i d e sa n dd e b r i sf l o w sJ G e o g r a f i s k aA n n a l e r:S e r i e sA,:陈洪凯,魏来,谭玲降雨型滑坡经验性降雨阈值研究综述J重庆交通大学学报(自然科学版),():王作鹏玄武岩台地区滑坡降雨阈值研究J国防交通工程与技术,():,陈立华,羊汉平,廖丽萍,等容县 年月滑坡灾害降雨阈值研究J自然灾害学报,():周剑,汤明高,许强,等重庆市滑坡降雨阈值预警模型J山地学报,():何玉琼,徐则民,张勇,等斜坡失稳的降雨阈值模型及其应用J岩 石 力 学 与 工 程 学 报,():MA R I NOP,P E R E SDJ,C AN C E L L I E R E A,e ta l S o i lm o i s t u r ei n f o r m a t i o nc a ni m p r o v es h a l l o wl a n d s l i d ef o r e c a s t i n gu s i n gt h eh y d r o m e t e o r o l o g i c a lt h r e s h o l da p p r o a c hJ L a n d s l i d e s,()WE IZL,L VQ,S UN H Y,e t a l E s t i m a t i n gt h er a i n f a l lt h r e s h o l do fad e e p s e a t e dl a n d s l i d eb yi n t e g r a t i n gm o d e l s f o rp r e d i c t i n gt h eg r o u n d w a t e r l e v e l a n ds t a b i l i t ya n a l y s i so f t h es l o p eJ E n g i n e e r i n gG e o l o g y,黄晓虎,雷德鑫,夏俊宝,等降雨诱发滑坡阶跃型变形的预测分析及应用J岩 土 力学,():,B OG AA R D T,G R E C O R I n v i t e d p e r s p e c t i v e s:ah y d r o l o g i c a ll o o kt o p r e c i p i t a t i o ni n t e n s i t y d u r a t i o nt h r e s h o l d sf o rl a n d s l i d ei n i t i a t i o n:p r o p o s i n g h y d r o m e t e o r o l o g i c a lt h r e s h o l d sJN a t u r a l H a z a r d sa n dE a r t hS y s t e mS c i e n c e,:杨晓伟,郝志峰支持向量机的算法设计与分析M北京:科学出版社,:HO L L AN DJ H A d a p t a t i o ni nn a t u r a la n da r t i f i c i a ls y s t e mM A n n A r b o r,M I:U n i v e r s i t yo f M i c h i g a nP r e s s,:王智磊,孙红月,刘永莉,等降雨与边坡地下水位关系的时间序列分析J浙江大学学报(工学版),():肖航,燕青,李洋,等短时强降雨下平原区域浅层地下水入渗补给规律研究J环境监测管理与技术,():支墨墨降雨诱发大型滑坡变形破坏机理研究D杭州:浙江大学,R e s e a r c ho nR a i n f a l lT h r e s h o l do f I n t e r m i t t e n tC r e e p i n gL a n d s l i d eB a s e do nG A S VM M o d e lZ H I M o m o,MA G u o q i n g(H e b e iE n g i n e e r i n gI n n o v a t i o nC e n t e r f o rT r a f f i cE m e r g e n c ya n dG u a r a n t e e,S h i j i a z h u a n gT i e d a oU n i v e r s i t y,S h i j i a z h u a n g ,C h i n a;S c h o o l o fC i v i lE n g i n e e r i n g,S h i j i a z h u a n gT i e d a oU n i v e r s i t y,S h i j i a z h u a n g ,C h i n a)A b s t r a c t:T h eX i a s h a nV i l l a g eL a n d s l i d e i s t h e l a r g e s t r a i n f a l l t y p e l a n d s l i d e i nZ h e j i a n gP r o v i n c e D u r i n gt h er a i n ys e a s o n,t h eg r o u n d w a t e r l e v e l r o s es i g n i f i c a n t l y i nr e s p o n s e t or a i n f a l l T h em o n i t o r i n gd a t ar e v e a l s t h a t t h e l a n d s l i d e i sc r e e p i n ga n di n t e r m i t t e n tu n d e r t h ea c t i o no f r a i n f a l l I no r d e rt od e t e r m i n et h er a i n f a l l t h r e s h o l dw h i c hw o u l di n d u c el a n d s l i d es l i d i n g,f i r s t l y,t h eS u p p o r tV e c t o rM a c h i n e(S VM)m o d e lw a so p t i m i z e db yG e n e t i cA l g o r i t h m(GA),a n daGA S VM m o d e l c o n s i d e r i n gm e t e o r o l o g i c a l a n dh y d r o l o g i c a lp r o c e s s e sw a se s t a b l i s h e d T h e n,t h ec r i t i c a lw a t e r l e v e lo f t h e l a n d s l i d eb a s e do nt h em o n i t o r i n gd a t aw a sd e t e r m i n e d,t h ee s t a b l i s h e dG A S VM m o d e lw a su s e df o r i n v e r s ec a l c u l a t i o nt od e t e r m i n e t h e t h r e s h o l do f c o n t i n u o u sr a i n f a l l i n d u c e ds l i d i n gc o m b i n i n gw i t hs l o p e s t a b i l i t y c o e f f i c i e n t T h ed e t e r m i n a t i o no f r a i n f a l l t h r e s h o l dh a s ag o o dg u i d i n gs i g n i f i c a n c e f o r t h ee a r l yw a r n i n ga n df o r e c a s t i n go f t h e l a n d s l i d e K e yw o r d s:r a i n f a l l l a n d s l i d e;G A S VM;g r o u n d w a t e r l e v e l;r a i n f a l l t h r e s h o l d;s t a b i l i t yc o e f f i c i e n t;e a r l yw a r n i n g 研究与设计基于GA S VM模型的间歇蠕滑滑坡降雨阈值研究支墨墨等