滑坡中短期预测预报方法技术

本发明专利技术公开了一种滑坡预测预报方法，主要针对一次性滑动的滑坡中短期预测预报。本发明专利技术通过滑坡位移监测，对滑坡的位移和失稳时间进行预测预报。通过监测数据拟合的滑坡预测预报模型，是对滑坡稳定性和滑动趋势的直接体现；该模型便于操作，预报结果合理；通过不同类型位移的对比分析，可以确定最合理的拟合结果，该模型是一个动态拟合的过程，随着滑坡监测数据的增加，模型可以实现自我检验和优化；该模式不仅能判定滑坡是否稳定，而且可以较精确得预测滑坡发生剧滑的时间点；同时模型给出拟合曲线，直观的表现出滑坡的位移、速度和加速度的变化曲线，可以通过数据的异常点分析应力的改变，进而利用人机结合的方式对其进行修正。

Short term prediction method in landslide

The invention discloses a prediction method of landslide, which is mainly aimed at short-term prediction of landslide in one time sliding. By monitoring the displacement of the landslide, the present invention predicts the displacement and the time of the instability of the landslide. By monitoring data fitting of landslide prediction model, is the direct embodiment of landslide stability and sliding trend; the model is easy to operate, the forecasting result is reasonable; by comparing different types of displacement analysis, the fitting results can determine the most reasonable, the model is a dynamic fitting process, with the increase of the landslide monitoring data. The model can realize the self inspection and optimization; the model can not only determine the stability of landslide, and can accurately predict the landslide slip play time point; at the same time the model fitting curves, the direct viewing performance curves of displacement and velocity and acceleration of landslide, through the outlier data analysis of stress change. Then use the man-machine combination to modify the.

【技术实现步骤摘要】
滑坡中短期预测预报方法
本专利技术涉及一种滑坡预测预报方法，主要针对一次性滑动的滑坡中短期预测预报，本专利技术对于软岩或土体的小型边坡更为适用。
技术介绍
滑坡预测预报是防止滑坡带来重大灾害的有效方式之一，由于特殊的地质条件和复杂的诱发因素，导致滑坡预测预报十分艰难，却也因此显得意义重大。滑坡预测预报，从广义上来说，包括时间预报，空间预报和灾害预报。本专利技术所涉及的，是包含于时间预报中的中短期预测预报。滑坡预测预报的方法一般可以分为以下四类：一是通过监测数据，拟合相应的解析公式，进而预计滑坡发生的时间；二是通过现场试验或者室内试验，求出滑坡的力学参数，结合滑坡的实际意义，选择合适的理论方法，计算滑坡的稳定性，进而对滑坡进行综合评价；三是模型模拟，将滑坡按比例缩小，建立相似的物理模型；四是有限元、离散元等计算方法，这一类方法，更确切的来说应该是一个综合评价方法，它并不用于独立预测滑坡，如相应的参数获取方法，就需要与室内试验或者现场试验相结合。从时间发展历程来看，滑坡大致可以分为三个阶段：六七十年代，滑坡预测预报主要是利用现象和经验方程预报阶段。这个阶段主要以滑坡失稳前的一些明显性征兆的定性判断，同时也有利用曲线外推法，如satio利用经验公式(SatioM.1965,Forcastingthetimetooccurrenceofaslopefailure,Proc.6thInt.Conf.S.M.F.E,Montreal,2:537-541)，成功预测了日本饭山高场山隧道滑坡。八十年代，滑坡预测预报引入了一些现代数学理论，如(王思敬；王效宁，1989，大型高速滑坡的能量分析及其灾害预测，滑坡论文选集，117-124)将灰色系统理论中的GM(1，1)模型引入滑坡位移-时间曲线的拟合外推；随着这些方法的引入，滑坡预测预报，从之前的经验预测，进入了精确预测预报的阶段。九十年代以后，随着非线性理论和GIS的发展，人们也开始重视滑坡的现象和物理意义相结合。如：(王俊岭；孙怀军，2005，基于GIS的滑坡预测预报系统开发与研究，浙江水利科技,32(3):6-8)结合GIS开发了滑坡预测预报系统；(尤辉；秦四清；朱世平；万志清，关于滑坡演化的非线性动力学特征的探讨2001，工程地质学报,9(3):331-335)则以非线性理论，结合滑坡物理意义，分析其力学特征。本专利技术主要以监测数据为基础，提供滑坡中短期预测预报方法，该方法是面对所有一般性滑坡而言的，适合所有滑坡的中短期时间预测预报。
技术实现思路
本专利技术的目的是提供一种滑坡中短期预测预报方法，本专利技术是通过滑坡位移监测，采用该预测预报模型对滑坡位移和失稳时间进行预测预报。本专利技术先根据滑坡监测数据的发展趋势，设定滑坡预测预报模型的基本形式。再结合监测数据，确定模型参数。最后利用该模型，预测滑坡是否稳定以及可能发生剧滑的具体时间。本专利技术包括以下步骤：1.建立滑坡预测预报模型：模型的形式为：其中，p0、p1、p2为待定参数，采用Levenberg-Marquardt算法进行迭代计算，求待定参数；p1、p2是滑坡位移量的体现，其值越大说明滑坡位移越大，反之亦然；p0是滑坡位移速率趋于无穷的反应，p0越大，说明滑坡可能失稳的时间越久；2.当滑坡发生剧滑的瞬间，滑坡位移迅速趋于正无穷，这说明所拟合的曲线要存在与y轴平行的渐近线；该模型是通过在指数项前增加一项来实现的；3.滑坡数据的获取：监测数据是该模型的基本数据基础，监测数据包括水平位移、竖向位移以及相应的时间；将三组数据分别列为三列，水平位移以与滑坡滑动方向一致为正，竖直位移以向下为正，制成一个文本文件，方便后期调用；4.数据录入与选择：将上述的文本文件导入滑坡预测预报模型，位移数据可以单一的选择水平位移或者竖向位移，也可以选择合位移；不同数据的选择，可以简单的根据数据进行对比，也可以结合滑坡的实际构造，分析产生水平位移和竖向位移的不同之处，进而结合物理意义进行深入分析；5.选择数据的使用项：可以直接选择全部数据，也可以选择前n项数据；滑坡预测预报模型是一个动态拟合的过程，随着滑坡监测数据的增加，滑坡预测预报模型能实现自我检验和优化；6.计算结果的保存：对应的计算结果保存于监测数据所在的文件夹中；查看该文件夹，可以看到滑坡不同时间的位移、速度、加速度和时间的关系曲线图，该曲线图可以进一步验证滑坡预测预报的合理性；相应的文本计算结果在对应文件夹中。本专利技术的有益效果：通过监测数据拟合的滑坡预测预报模型，是对滑坡稳定性和滑动趋势的直接体现；该模型便于操作，预报结果合理；通过不同类型位移的对比分析，可以确定最合理的拟合结果，该模型是一个动态拟合的过程，随着滑坡监测数据的增加，模型可以实现自我检验和优化；该模式不仅能判定滑坡是否稳定，而且可以较精确得预测滑坡发生剧滑的时间点；同时模型给出拟合曲线，直观的表现出滑坡的位移、速度和加速度的变化曲线，可以通过数据的异常点分析应力的改变，进而利用人机结合的方式对其进行修正。附图说明图1基于监测数据指数拟合的滑坡预测预报模型流程图。图2滑坡指数预测预报模型软件及其相关数据文件。图3监测数据的整理。图4滑坡中短期预测预报模型软件界面。图5导入监测数据。图6计算结果、位移-时间曲线图、速度-时间曲线图和加速度-时间曲线图。图7模型计算结果文件夹。图8计算结果及曲线图所对应的文件夹。图9软件参数的选择。图10选取不同时间，不同参数的拟合结果并列存储。图11单次拟合结果文件。图12位移-时间曲线(以合位移为例)。图13速度-时间曲线(以合位移为例)。图14加速度-时间曲线(以合位移为例)。图15计算结果曲线的对应数据。图16模型计算结果文字描述。图17使用全部数据项的结果。图18选择x位移拟合计算结果。具体实施方式本专利技术包括以下步骤：1.建立滑坡预测预报模型：模型的形式为：其中，p0、p1、p2为待定参数，采用Levenberg-Marquardt算法进行迭代计算，求待定参数；p1、p2是滑坡位移量的体现，其值越大说明滑坡位移越大，反之亦然；p0是滑坡位移速率趋于无穷的反应，p0越大，说明滑坡可能失稳的时间越久；2.当滑坡发生剧滑的瞬间，滑坡位移迅速趋于正无穷，这说明所拟合的曲线要存在与y轴平行的渐近线；该模型是通过在指数项前增加一项来实现的；3.滑坡数据的获取：监测数据是该模型的基本数据基础，监测数据包括水平位移、竖向位移以及相应的时间；将三组数据分别列为三列，水平位移以与滑坡滑动方向一致为正，竖直位移以向下为正，制成一个文本文件，方便后期调用；4.数据录入与选择：将上述的文本文件导入滑坡预测预报模型，位移数据可以单一的选择水平位移或者竖向位移，也可以选择合位移；不同数据的选择，可以简单的根据数据进行对比，也可以结合滑坡的实际构造，分析产生水平位移和竖向位移的不同之处，进而结合物理意义进行深入分析；5.选择数据的使用项：可以直接选择全部数据，也可以选择前n项数据；滑坡预测预报模型是一个动态拟合的过程，随着滑坡监测数据的增加，滑坡预测预报模型能实现自我检验和优化；6.计算结果的保存：对应的计算结果保存于监测数据所在的文件夹中；查看该文件夹，可以看到滑坡不同时间的位移、速度、加速度和时间的关系曲线图，该曲线本文档来自技高网...

【技术保护点】
一种滑坡中短期预测预报方法，其包括以下步骤：1).建立滑坡预测预报模型：模型的形式为：

【技术特征摘要】
1.一种滑坡中短期预测预报方法，其包括以下步骤：1).建立滑坡预测预报模型：模型的形式为：其中，p0、p1、p2为待定参数，采用Levenberg-Marquardt算法进行迭代计算，求待定参数；p1、p2是滑坡位移量的体现，其值越大说明滑坡位移越大，反之亦然；p0是滑坡位移速率趋于无穷的反应，p0越大，说明滑坡可能失稳的时间越久；2).当滑坡发生剧滑的瞬间，滑坡位移迅速趋于正无穷，这说明所拟合的曲线要存在与y轴平行的渐近线；该模型是通过在指数项前增加一项来实现的；3).滑坡数据的获取：监测数据是该模型的基本数据基础，监测数据包括水平位移、竖向位移以及相应的时间；将三组数据分别列为三列，水平位移以与滑坡滑动方向一致为正，竖直位移以向下为正，制成一个文本文...

【专利技术属性】
技术研发人员：徐燕，黄耀龙，佴磊，李泽闯，汪之凡，罗贺文，
申请(专利权)人：吉林大学，
类型：发明
国别省市：吉林,22