拉薩市郊地質災害預測及防治輔助決策

肖陽，葉唐進

拉薩市郊地質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）

拉薩市郊區的自然環境和地質環境較為脆弱，在雨量充沛的6~9月易形成崩塌、滑坡和泥石流等地質災害。為了對地質災害進行有效的預測和防治輔助決策，根據野外調查資料，結合模糊數學、小波人工神經網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平臺開發了地質災害預測及防治輔助決策系統。

地質災害；預測；輔助決策；拉薩

拉薩市位于喜馬拉雅山脈北側，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，蒸發量大。由于拉薩河谷兩側海拔較高，植被覆蓋率低，山體寒凍風化較為嚴重，其自然環境和地質環境較為脆弱，遇大暴雨容易形成泥石流、崩塌、滑坡等地質災害[1]。

拉薩市郊區地質災害的研究，陳之強[2]等對色拉寺后山危巖的穩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定性進行了分析并進行了抗滑樁的設計，張永昇[5]對甲瑪礦區的融雪型碎屑流進行了穩定性分析并進行數值模擬加以驗證。但是對于拉薩市郊區地質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，并結合模糊數學、小波人工神經網絡和灰色決策等理論，運用計算機編程和數據庫等技術，開發了地質災害預測及防治輔助決策系統，進而對地質災害發生的時間和空間進行預測，同時提出防治輔助決策。

1 地質背景

1.1 地形地貌與地層巖性

研究區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。受地質構造的控制以及拉薩河、堆龍河等水系侵蝕切割的影響，區內形成了梁谷相間的高山河谷地形，地勢總體呈現南北高中部低、嶺高谷深的特點[6]。該區屬于岡底斯—騰沖地層區、拉薩沃卡分區，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 地質構造與水文地質

該區位于雅魯藏布江以北東西向構造中部地帶，即拉薩—林芝巖帶，南側以雅魯藏布江深大斷裂為界與喜馬拉雅弧形構造相鄰。處于當雄羊八井-尼木與桑日-錯那活動構造帶間的“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。該區域河流、溪溝發育，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

該區屬內陸高原溫帶半干旱氣候[7]，區內多年平均氣溫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。區內蒸發量為2 306.70mm，寒凍風化較為強烈。

研究區的不良地質主要為崩塌、滑坡、泥石流、碎屑流和地面塌陷等幾種類型，不良地質的發生與地形地貌、地層巖性、大氣降水等因素密切相關。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，部分發育于溝谷的自然陡坡區。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

對于拉薩市地質災害的預測及防治輔助決策，本文通過野外調查分析，再結合小波人工神經網絡計算出2016年拉薩市降雨的規律，然后利用模糊數學計算，得到其時間序列預測結果，最后利用灰色決策對地質災害提出防治輔助決策。

2.1 小波人工神經網絡

運用小波人工神經網絡組合模型[8]，預測2016年拉薩市的降雨量，其原始數據來源于歐洲中期天氣預報中心（ECMWF）拉薩市1979~2015年的降雨數據。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

經分析，WANN結構為3-15-1，即輸入為[D2,D1,A2]，由37年降雨數據（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，可用來進行預測。

2016年實際降雨量與預測降雨量對比統計見表1，因今年的數據只有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，誤差在允許范圍，可用來進行計算。

2.2 模糊數學

表1 拉薩市2016年1~5月實際降雨和預測降雨對比結果（單位：mm）

采用模糊數學中的模糊綜合評判[9]，以野外調查的拉薩市典型的六處地質災害點為例建立因素集U1，因素集U1={地層巖性，坡度，坡高，結構面發育，地質構造，新構造運動與地震，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、流域切割密度、單位面積物源量、不良地質現象、月降雨量。

將地質災害穩定狀態分為4個等級，評價集V為：V={穩定、基本穩定、欠穩定、不穩定}。采用半梯形模糊分布與專家打分法確定隸屬函數，計算出單因素評判矩陣，采用層次分析法[10]確定各因子權重，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“不穩定”狀態的隸屬度值的時間序列預測結果（圖3）。

圖3 典型地質災害點時間序列預測結果折線圖

從圖3可知，在12個月中，“不穩定”隸屬度值的峰值一般出現在7月和8月，兩側分別呈遞減趨勢，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灰靶決策[11]，以拉薩市典型的6處地質災害點的時間序列預測結果進行決策。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構造決策方案集：

表2 各個目標及相應指標的決策權重

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（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）

根據計算得出的多組數據，設定最大值的臨界值為0.2，變化率1的臨界值為0.05，設定變化率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 軟件系統實現

拉薩市地質災害預測及防治輔助決策系統必須具備專業性、實用性與通用性，使其具有數據儲存管理、實時更新預測和為政府相關部門提出防治輔助決策的功能。

圖4 系統登錄界面

圖5 系統主頁界面

3.1 系統組成與系統功能

拉薩市地質災害預測及防治輔助決策系統主要包括三大模塊：危險性計算模塊、預測及防治輔助決策模塊、數據庫管理模塊。系統基于Java SE Development Kit 8平臺開發，可運行在具備Java SE 8環境的Windows、Linux、Mac等個人計算機上。系統采用NetBeans 8.1 IDE開發工具，采用Apache Derby開源數據庫。登錄系統作為系統的入口，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。其數據庫管理是對已有數據進行管理的功能，方便錄入、查看、修改災害點數據。在主頁部分，除菜單欄外展示了拉薩市郊區地質災害的簡介、照片、小波分析結果、時間序列預測結果，還具有快速引導操作的作用，見圖5。

3.2 危險性計算

采用小波人工神經網絡組合模型，使用Matlab等軟件進行計算，預測出拉薩市2016年的降雨量，再進行權重計算，然后進行地質災害的隸屬度計算及綜合評判，最后得出地質災害的危險性評價結果。崩塌滑坡權重計算、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“不穩定”狀態的隸屬度值，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灰靶決策模型，數據來源于上文中的結果，將其進行計算，并得出最終輔助決策結果（圖9）。

圖8 時間序列預測

圖9 輔助決策界面

3.4 數據庫管理及赤平投影

為了更好地實現系統功能，本系統中加入了數據庫管理功能，采用Apache Derby數據庫，并將其內嵌至軟件中，可較全面地錄入地質災害點的名稱、地點、編號、地理位置、邊坡環境、邊坡基本特征、失穩情況等數據，便于查詢與使用。數據管理界面見圖10。系統中極射赤平投影主要用來表示結構面的穩定情況，可以對單個巖體的穩定性進行判別，詳見圖11。

圖10 數據管理界面

圖11 赤平投影界面

4 結論

通過對拉薩市郊區幾處典型地質災害點的野外調查，并結合模糊數學、小波人工神經網絡、灰色決策理論和計算機技術分析研究，得出以下幾點結論。

1）通過野外調查和理論分析得出拉薩市地質災害主要影響因素為降雨、地震等，地質災害發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平臺開發了地質災害預測及防治輔助決策系統軟件。

[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，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—碎屑流的穩定性分析[J]．四川建材，2015，12（6）：234-236．

[6] 張豐述．拉薩市城市環境地質評價[Z]．成都理工大學，2011．

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

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

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

[10] 汪應洛．系統工程簡明教程[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

西藏自治區自然科學基金項目（2016ZR-15-7）和西藏自治區大學生創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，主要從事地質災害相關方面的研究