特大型順層古滑坡復活變形特征分析及變形預測研究

陳明明

1 陜西鐵路工程職業技術學院鐵道運輸學院,陜西省渭南市站北街東段1號,714000

近年來,水利工程建設得到快速發展,尤其是大壩建設數量日益增多,在帶來巨大電能資源的同時,也會不同程度地抬高上游水位,誘發古滑坡復活,對航運安全造成巨大威脅,因此開展古滑坡復活變形特征分析及變形預測研究具有重要的現實意義[1-2]。部分學者[3-5]對古滑坡變形破壞機制及穩定性進行了分析,但未涉及庫岸古滑坡的相關研究。一般來說,變形可很大程度上反映滑坡的穩定狀態,亦可作為古滑坡復活的重要依據。因此,對古滑坡復活變形特征進行著重分析及預測具有重要意義。

在以往研究中,田倩等[6]通過神經網絡構建古滑坡變形預測模型;寧波等[7]對組合預測模型在古滑坡變形預測中的適用性進行分析;趙瑛等[8]通過相關向量機評價古滑坡變形潛勢。這些研究進一步說明開展古滑坡變形預測具有必要性,但研究未考慮變形數據的噪聲信息,因此對古滑坡變形的預測研究仍有空間。

值得指出的是,在預測過程中,由于滑坡變形數據具有一定的噪聲信息,有必要先對其進行分解處理,而小波包變換的數據分解能力強[9],相關向量機[10]、混沌理論[11]在滑坡變形預測中具有良好效果,可通過上述3種方法綜合實現滑坡變形預測。本文以庫岸古滑坡復活體為工程背景,結合現場調查成果及變形監測資料,依次分析古滑坡變形特征及預測結果,充分掌握其變形發展規律,以期為古滑坡復活防治提供指導。

1 基本原理

本文結合滑坡處地質條件及調查成果,首先開展復活特征分析,再以變形監測成果為基礎,通過小波包變換、相關向量機(relevance vector machine,RVM)及混沌理論(chaos theory,CT)等構建出預測模型,并以其開展變形預測,掌握其發展規律。

在監測過程中,由于滑坡現場不確定因素相對較多,其變形監測數據大多不能代表滑坡的真實變形值,會含有一定的噪聲信息,因此將滑坡變形監測值Yi表示為:

Yi=Zi+Si

(1)

式中,Zi為真實變形分量,代表滑坡真實變形值;Si為噪聲,代表滑坡隨機變形噪聲值,由溫度變化、儀器誤差、人為因素等造成。

顧及噪聲對預測精度具有較大影響[9],在構建變形預測模型前有必要先對其進行剔除處理。WPT是現階段常用的信號提取方法,其能有效分解低頻信號,并兼顧高頻信號的分解,具有較優的分解能力。根據WPT的基本原理,可將其分解公式表示為:

(2)

式中,d1k(j)、d2k(j)分別為分解后的低頻、高頻信號;k為平移參量;hk、gk為低頻、高頻濾波函數。跟據式(2)將滑坡變形數據分解為若干頻率信號,再設定濾波界限,篩選出噪聲信息,并對其余信號進行重構計算,即可將滑坡變形數據分解為真實變形分量和噪聲。同時,提出利用信噪比(SNR)評價數據分解效果,其計算公式為:

(3)

式中,Powers為變形監測數據的功率;Powern為變形監測數據過濾后的功率。由于已對滑坡變形數據進行分解處理,其后續預測模型也應進行針對性構建。

1.1 真實變形分量預測模型

相關向量機是支持向量機的改進方法,其改進點主要為:核函數不再受Mercer理論限制,其稀疏性、魯棒性相對更強。因此,提出利用相關向量機構建真實變形分量的預測模型。結合RVM原理,將其訓練函數表示為:

(4)

式中,zi為真實變形分量預測值;N為訓練樣本數;xi為輸入信息;k(·)為核函數;wi、w0為權值向量;ε為初始高斯噪聲。

研究成果表明[9],核函數的限制條件不足會對預測精度產生一定影響,有必要對其進行優化處理。考慮到魚優化算法(ROA)為新型啟發式優化算法,能通過模擬魚在宿主中的更新來實現全局尋優,基于該算法開展RVM的核函數優化。將魚規模設置為100條,最大迭代次數為650次,其他參數隨機設置。由于ROA測試函數相對較多,其適用性隨之不同,有必要再對參數進行優化。通過多次試算尋優得到4種典型測試函數在不同維度條件下的結果,具體見表1。由表可知,Sphere函數隨維度增加,精度逐漸減小;Schwefel函數隨維度增加,精度并不具有明顯特征;Griewank函數和Ackley函數的精度始終維持一致,分別為0和5.65×10-13。4類測試函數的預測效果存在差異,對比而言,Griewank函數的理論效果最優,確定其為ROA的測試函數。

表1 不同測試函數的尋優結果

綜合上述分析,將真實變形分量的預測模型確定為ROA-RVM模型。

1.2 噪聲預測模型

噪聲一般具有混沌特征[12-13],因此提出利用混沌理論構建預測模型。先利用Lyapunov指數法計算混沌指數,若最大值大于0,說明可利用混沌理論實現噪聲預測;反之,則不能。混沌指數計算公式為:

(5)

式中,λ為混沌指數;M為計算頻次;tM、t0為時間參量;li為重構后的距離;Li為初始距離。

在驗證噪聲存在混沌特征的基礎上,引入延遲時間并嵌入維數參數,以實現噪聲的空間重構處理。由此可見,延遲時間和嵌入維數參數對噪聲預測具有顯著影響,結合以往研究成果[14],利用去偏復自相關法和C-C法分別計算參數。

以相空間中ψi節點為中心,將其與相鄰點ψj間的距離d表示為:

(6)

當保證ψi、ψj間距相鄰且d值最小時,利用反推計算即可實現對噪聲的預測處理。

綜上可知,變形預測模型最終設定為WPT-ROA-RVM-CT模型。在預測結果中,利用相對誤差評價預測精度,其值越小,說明預測精度越好;反之,預測精度越差。

2 實例分析

2.1 工程概況

2.1.1 項目區工程地質條件

1)地形地貌。滑坡區具侵蝕中低山地貌,高程分布范圍介于300～895 m,地形起伏較大,大致呈后緣陡、前緣緩的特征。區內沖溝較發育,走向大致呈NS向,多為季節性沖溝,其切割深度多介于30～60 m,溝道上游陡,具“V”形特征,下游較緩,具“U”形特征。

2)地層巖性。滑坡區第四系地層成因較多,主要可分為堆積層、沖洪積層、崩坡積層,各類地層性質差異較大。下覆基巖為沙溪廟組泥巖,紫紅色,產狀為354°∠30°,節理裂隙較發育,地層埋深越淺其裂隙發育相對越多,巖體完整性相對略差;埋深越深,裂隙發育相對越少,巖體完整性也越好。

3)地質構造。滑坡區位于大型褶皺構造東翼,距滑坡核部約3.4 km。由于構造發育,很大程度上影響區內地層結構的完整性,且據調查成果可知,區內節理一般具網狀特征,長度較短,多由泥質物充填。

4)水文地質條件。區內地表水主要為滑坡前緣常年的河道流水,其水位具有一定的季節性波動特征,即本文實例對象具庫岸滑坡特征;除此之外,滑坡地表發育較多沖溝,以季節性流水為主,流量變化差異大。地下水類型主要為孔隙水、裂隙水,其中孔隙水賦存于第四系地層孔隙中,水力聯系相對較差,受地形影響,無統一水面;裂隙水賦存于基巖裂隙中,其富水性受構造影響較大,與上部孔隙水具有一定的水力聯系。

通過上述分析可知,滑坡區地質條件相對較為一般,為滑坡災害的發育奠定了基礎條件。

2.1.2 滑坡發育條件

通過對滑坡區樣品進行14C實驗,測得滑坡堆積物形成年代為2 850 a BP,該滑坡屬古滑坡范疇。研究區復活部分在平面上具南窄北寬條帶狀特征(圖1),主滑方向為5°轉355°,結合下覆基巖產狀,該滑坡具有典型的順層滑坡特征。滑坡縱向長度約1 500 m,橫向寬度介于300～700 m之間,平面面積約75 km2,平均厚度約30 m,體積約2 250×104m3,因此該滑坡屬特大型順層滑坡。滑坡主滑面(Z-Z′剖面)示意圖見圖2。

圖1 滑坡平面示意圖

圖2 Z-Z′剖面示意圖

2.2 滑坡復活變形特征分析

本文研究對象是古滑坡復活體,為進一步掌握古滑坡的復活特征,結合現場變形監測數據和調查結果,重點開展復活體變形特征分析。同時,為便于后續描述,結合復活體特征,將其劃分為Ⅰ～Ⅳ區,具體劃分見圖1。

2.2.1 地表裂縫發育特征

通過現場勘查可知,古滑坡復活變形2011年就已開始,其后歷年均有不同規模的裂縫發育,且變形特征并無特殊規律。限于篇幅,從4個區各挑選1個2019年以來最具代表性的裂隙進行描述,裂縫位置見圖1。

LF1:該裂縫位于Ⅰ區,其延伸長度約86 m,延伸方向近EW向,張開寬度約6～14 cm,可見深度約1.6 m,具有明顯下錯特征,下錯高度多介于40～74 cm。

LF2:該裂縫位于Ⅲ區,其延伸長度約65 m,延伸方向也近EW向,張開寬度約10～30 cm,可見深度約2.3 m,下錯特征一般,下錯高度多介于15～30 cm。

LF3:該裂縫位于Ⅱ區,其延伸長度約122 m,延伸方向近NS向,張開寬度約23～35 cm,可見深度約1.8 m,下錯特征較強,下錯高度多介于30～67 cm。

LF4:該裂縫位于Ⅳ區,其延伸長度約94 m,延伸方向近似EW向,張開寬度約15～20 cm,可見深度約1.1 m,下錯特征一般,下錯高度多介于5～15 cm。

總體來說,滑坡區地表裂縫發育特征顯著,以張剪性質為主,事件發生時間主要集中在強降雨或持續降雨后,因此降雨是地表裂縫產生的主要誘因。

2.2.2 地表變形特征

在滑坡地表布設21個監測點用于監測地表總位移,其中Ⅰ區布設TP1～TP6共6個監測點,Ⅱ區布設TP7～TP11共5個監測點,Ⅲ區布設TP12～TP16共5個監測點,Ⅳ區布設TP17～TP21共5個監測點。將監測時間確定為2020-01～2022-12,對每個區相應監測點數據進行均值求解,并進行水平、垂直位移分解,以便進行后續整體分析。同時,為顧及季節對滑坡變形的影響,將分析過程劃分為旱季變形特征和雨季變形特征。

首先,統計得到滑坡地表旱季變形特征參數,結果見表2。由表可知,4個分區的水平和垂直變形分量具有不同的特征參數值,Ⅰ～Ⅲ區變形值相對最大,Ⅳ區變形值相對最小,且該區與其他區的差異較為明顯。因此,在旱季時,滑坡中后部形變相對更大,明顯大于滑坡前緣。對比兩個方向的變形分量可知,水平變形分量明顯大于垂直變形分量,即滑坡變形以水平變形為主。就水平變形分量的方位角變化而言,2020～2022年4個分區的水平變形方向呈現逆時針變化特征。

表2 滑坡地表旱季變形特征

其次,統計得到滑坡地表雨季變形特征參數,結果見表3。由表可知,Ⅰ區變形量明顯最大,其次為Ⅱ區和Ⅲ區,Ⅳ區變形量最小,說明在滑坡地表雨季變形結果中,從滑坡后緣至前緣變形量逐步減小;同時,水平變形分量也明顯大于垂直變形分量,且水平變形分量的方位角變化也與旱季相同,具逆時針變化特征。

表3 滑坡地表雨季變形特征

由滑坡地表旱季及雨季變形特征可知,滑坡具有明顯推移式特征,變形特征較為顯著,說明古滑坡復活明顯,也從側面驗證了開展滑坡后續變形預測研究的必要性。

2.2.3 時間-變形特征

為進一步掌握復活體的變形特征,在4個分區中部各選擇1個監測點進行時間-變形特征分析,即利用TP4、TP9、TP13及TP17監測點(各監測點分布位置見圖1)進行分析。在滑坡變形監測過程中,統計頻率為1次/月,統計時間為2020-01～2022-12,共得到36期地表變形數據。

經統計得到4個監測點的時間-變形曲線結果見圖3。由圖可知,隨著時間的推移,滑坡地表形變呈持續增加特征,僅線型陡緩存在差異,應是受降雨因素的影響。再對4個監測點的變形速率特征值進行統計,得到其特征參數。其中,TP4監測點變形速率介于1.32～144.16 mm/月,平均值為27.26 mm/月;TP9監測點變形速率介于1.14～76.01 mm/月,平均值為26.24 mm/月;TP13監測點變形速率介于1.67～120.92 mm/月,平均值為23.95 mm/月;TP17監測點變形速率介于0.91 mm～126.76 mm/月,平均值為26.69 mm/月。

圖3 滑坡地表時間-變形曲線

綜上可知,在3 a監測過程中,滑坡累積變形量均偏大,且變形速率波動范圍較大,進一步說明該滑坡變形特征顯著。

2.3 滑坡變形預測研究

利用WPT-ROA-RVM-CT模型開展滑坡變形預測研究。在預測過程中,以TP4、TP9、TP13及TP17監測點的監測結果作為后續數據分析來源,將前31期數據作為訓練樣本,32～36期數據作為驗證樣本。

首先,利用WPT開展滑坡變形數據的分解處理,且為驗證WPT的分解能力,引入EMD、Kalman濾波開展同樣的分解處理,得到WPT的SNR值為36.49 dB,EMD的SNR值為30.45 dB,Kalman濾波的SNR值為26.92 dB。WPT的SNR值相對較大,說明其分解效果相對最優,表明將其作為滑坡變形數據的分解處理模型具有合理性。

通過WPT將滑坡變形數據分解為真實變形分量和噪聲,再采用ROA-RVM-CT模型開展分項預測,顧及到該模型具有多階段組合特征,先以TP4監測點為例進行分析。計算統計得到TP4監測點的真實變形分量在優化前后的預測結果(表4),由表可知,RVM模型的相對誤差介于2.98%～3.35%之間,平均值為3.15%;ROA-RVM模型的相對誤差介于2.59%～2.82%之間,平均值為2.68%。對比兩者結果可知,經ROA優化處理能有效提高預測精度,表明ROA-RVM模型對滑坡真實變形分量具有適用性。

表4 TP4監測點的真實變形分量預測結果

在TP4監測點真實變形分量預測的基礎上,進一步通過CT開展噪聲預測,得到TP4監測點的最終預測結果(表5)。由表可知,經混沌理論的補充預測,得到預測結果的相對誤差介于2.08%～2.16%之間,平均值為2.12%,即混沌理論能進一步提高TP4監測點的預測精度,驗證了該方法的有效性。

表5 TP4監測點的最終預測結果

TP4監測點的預測結果充分驗證了WPT-ROA-RVM-CT模型的預測能力,再利用其開展其他監測點的變形預測,結果見表6。TP9監測點的相對誤差介于2.06%～2.24%之間,平均值為2.15%;TP13監測點相對誤差介于2.08%～2.23%之間,平均值為2.14%;TP17監測點相對誤差介于2.02%～2.21%之間,平均值為2.11%。4個監測點的預測精度相當,充分驗證了WPT-ROA-RVM-CT模型的變形預測能力。

表6 4個監測點的最終變形預測結果

以表6中預測結果進行外推,對37～40期預測速率進行均值求解,并將其命名為后續變形速率均值,以掌握滑坡后續變形發展規律。經統計可知,TP4監測點的后續變形速率均值為6.92 mm/月,TP9監測點的后續變形速率均值為4.98 mm/月,TP13監測點的后續變形速率均值為3.76 mm/月,TP17監測點的后續變形速率均值為4.72 mm/月,4個監測點的后續變形速率均為正值且較大。因此,判斷滑坡后續變形速率大,具有較大的失穩風險,需要盡快開展防治措施研究。

3 結 語

通過對特大型順層古滑坡復活變形特征進行分析并對變形預測進行研究,得出以下結論:

1)滑坡區地表裂縫發育特征顯著,以張剪性質為主,事件發生主要集中在強降雨或持續降雨后,因此降雨是地表裂縫產生的主要誘因。

2)在本文監測時段內,滑坡具有明顯推移式特征,即滑坡中、后緣變形明顯大于前緣,且變形方向具有逆時針變化特征,說明古滑坡復活明顯,變形特征顯著。

3)變形預測結果驗證了WPT-ROA-RVM-CT模型的預測能力,且通過外推預測,滑坡后續變形速率均為正值且較大,判斷滑坡后續變形速率較大,具有較大的失穩風險。