基于多测点信息的滑坡智能预测预警方法研究

作     者：蒋齐嘉 

作者单位：长沙理工大学 

学位级别：硕士

导师姓名：蒋中明

授予年度：2021年

学科分类：081504[工学-水利水电工程] 081803[工学-地质工程] 08[工学] 0818[工学-地质资源与地质工程] 0815[工学-水利工程] 

主      题：库岸滑坡 多测点信息 奇异谱分析 DBSCAN CEEMDAN NAR/NARX神经网络 位移预测 位移速率比 滑坡预警 

摘      要：我国是一个水能资源十分丰富的国家,众多水利工程的修建也随之带来库岸滑坡这一问题。本文研究的滑坡便是一个典型的库岸滑坡,故本文参照三峡库区“阶跃型滑坡的相关研究思路,对三板溪水电站库区上游右岸的东岭信滑坡堆积体进行了研究。首先收集该滑坡典型剖面上多个测点的监测数据,提出了一种粗差探测及去噪平滑方法进行数据预处理;尝试应用智能算法对监测数据蕴含的信息进行深度挖掘,然后基于降雨和库水位涨落两大诱发因素,并引入时间序列分解方法,构建了一种基于NAR/NARX的动态神经网络预测模型对位移进行预测,最终基于预测的结果实现滑坡预警。本论文主要研究成果如下:(1)通过对东岭信滑坡堆积体监测数据的分析,提出了一种监测数据预处理方法。该方法包括:数据等间隔化、去噪平滑、时间序列分解三部分。首先对不连续甚至存在缺失的监测数据应用三次样条插值法进行等间隔化;然后对等间隔处理后的序列应用奇异谱分析进行平滑去噪处理;最后再应用CEEMDAN理论对上述处理后的监测数据进行时间序列分解,以提取趋势项和周期项。结果表明,该方法成功的将原始监测数据转变为等间隔时间序列,并且奇异谱分析法使得数据更平滑消除了偶然随机的噪音,最后的CEEMDAN分解法更是将原始序列分解为以高中低频划分的周期波动项和平缓趋势项,可为后续滑坡预测研究建立基础。(2)考虑到监测数据中可能存在粗差这一问题,提出了一种基于奇异谱分析(SSA)和密度聚类算法(DBSCAN)的粗差探测新方法,该方法结合SSA在提取信号和DBSCAN算法在区分粗差和异常值上的优势,通过引入滑坡监测序列实例进行验证,并且将本文提出的方法与中位数绝对偏差法(MAD)和格拉布斯准则法(Grubbs)等方法进行比较分析。结果表明,本文提出的SSA-DBSCAN粗差探测法与上述方法相比性能优异、误判率低,可为后续研究建立基础。(3)针对东岭信滑坡属于库岸滑坡这一特点,提出了以库区降雨量、库水位以及临近钻孔地下水位等监测数据作为本文智能算法预测模型的输入,然后依据上述输入的影响因素和滑坡体历史变形规律之间的内在相互联系,最终建立了能有效反应滑坡真实演变规律的智能算法滑坡位移预测模型。首先选取Elman神经网络、ELM极限学习机、NAR/NARX神经网络等三种预测模型进行基于SSA-CEEMDAN的波动项位移预测方法探索,然后以多项式拟合法对趋势项的位移进行拟合预测,两者叠加得到总位移预测值。最后进行模型精度评价,从中选定NAR/NARX为波动项位移预测模型,至此本文成功建立了一种新型滑坡位移组合预测模型并将其成功应用于多个测点。结果表明:本文提出的基于SSA-CEEMDAN-NAR/NARX模型与Elman或者ELM模型相比,拥有更高的预测精度,可为库岸滑坡的位移预测提供重要参考。(4)针对如何建立适合库岸滑坡的预警方法这一问题,提出了一种改进的位移速率比滑坡预警方法,该方法不仅继承了位移速率比具有统一可比性这一突出优点,而且结合库岸滑坡具有阶跃性质的实际特点对原始方法进行了合理的推广。最后结合预警判据进行评价,至此对库岸滑坡实现具有统一可比性的滑坡预警。研究表明,本文提出的改进方法较好的适应于水利工程中的库岸滑坡,具有一定的研究意义和实用价值。(5)考虑到单一类别的预警指标存在局限性这一问题,能综合多源因素构建评价体系的模糊综合评价法被引入滑坡相关研究领域,据此提出了基于层次分析法(AHP)与模糊综合评价法的滑坡多源信息预警评价方法,并以东岭信滑坡为例进行了预警研究的初步探索。该综合预警评价结果表明:该滑坡相对安全,但有继续发展演变趋势,这一结果经过科学验证且符合实际情况,表明该预警探索的思路和方向正确,值得进一步研究。