库岸滑坡是水利水电工程中常见的重大工程问题之一,三峡库区所在区域山高、坡陡、谷深,工程地质条件复杂多样,特别是区域每年雨季降雨量大,是典型的滑坡聚集的重灾区。在区域季节性降雨以及库水位周期性调度等因素的影响下,三峡库区存在较多长期累计位移—时间曲线具有阶跃型上升的形态的库岸滑坡,据此本文称该类库岸滑坡为阶跃型库岸滑坡。一方面,深入研究阶跃型位移库岸滑坡的诱发机制及水库蓄水后滑坡的变形破坏特征,以及对监测时间序列的挖掘可以更有效地利用监测数据;另一方面,采用何种预测方法是预测效果的前提和关键,对提前判断滑坡位移趋势具有重要意义。本文对库岸滑坡成因类型和机制进行了较为系统的总结分析;分析降雨和库水升降的作用机制,并选取三峡库区典型的阶跃型滑坡,分析其在降雨和库水运行周期中的变形演化特征,并利用格兰杰检验法检验了月降雨量和库水位对位移的影响及其滞后性。在阐述阶跃型库岸滑坡的位移成分响应模型理论的基础上探讨了目前分解阶跃型位移的方法,分析目前位移分解方法的不足,对三峡库区多个阶跃型库岸滑坡采用集合经验模态分解(EEMD)方法来分解阶跃型位移,并利用EEMD和t检验方法将降雨量时间序列和库水位时间序列重构为高频分量和低频分量,并采用三个非线性方法来预测波动项位移并对比,采用多项式拟合方法来预测趋势项位移,最后得到总的预测位移。取得的主要研究成果如下:(1)结合前人的工作,阐述了库区岸坡稳定性的主要内部控制因素和外部诱发因素的作用,分析了各种因素的主要作用机制。在此基础上,以典型的阶跃型滑坡——白水河滑坡和八字门滑坡为例,分析了1~2个滞后期下库水位升降和降雨量对阶跃型滑坡的阶跃型位移速率Granger因果检验,验证了月均降雨量、月均库水位与本文研究的阶跃型位移库岸滑坡的变形速率之间呈较强的因果关系,而且降雨对白水河滑坡的影响滞后期可能达到两个月甚至更长,库水位变化对变形影响滞后期为一个月,该滞后期还取决于监测间隔,在监测间隔更小的情况下可以得到更加接近实际的滞后期。(2)收集多个三峡库区阶跃型库岸滑坡的历史监测数据,根据位移成分响应模型,采用能够凸显局部波动特征的集合经验模态分解对库岸滑坡的台阶型位移进行分解,得到趋势项位移和波动项位移,趋势项位移的变化呈逐年上升趋势,且越到后期变化越缓慢,与实际监测位移总体趋势相同,而波动项位移的幅值与受到外部诱发因素强度影响较大。(3)通过集合经验模态分解,以位移成分响应模型为理论依据,对诱发因素进行经验模态分解。在不考虑趋势项的情况下,基于t检验进行多个本征模函数(IMF)的高频、低频分量重构,其中的高频分量可以视为反映诱发因素作用强度较大、频率较高,如短期内多次强降雨,对滑坡变形行为起到较大促进作用,可视为造成滑坡位移产生剧烈波动的主要贡献分量;低频成分反映诱发因素中影响强度较小、频率较低的变化分量,也是滑坡变形的重要因素之一。(4)结合经验模态分解对本文6个阶跃型滑坡数据分解与重构成果,采用灰色关联分析研究多个因素中与各波动项位移关联度较大的因素,视作优势诱发因素。可以发现,降雨量因素组的高频降雨量作为优势因素的滑坡有4个,占4/6,低频降雨量作为优势因素的有2个,占比2/6,高频降雨量和低频降雨量总占比为1,证明EEMD分解和重构得到的降雨分量因素比其它处理方法的降雨因素关联度更高。库水位因素组中,优势因素为库水位月间变化量的滑坡有5个,而八字门滑坡的高频库水位为最佳优势因素,库水位重构的变量仅仅占比1/6,而库水位月间变化占比很大,从一定程度上证明库水的变化速率对变形的影响很大。通过集合经验模态分解与重构方法对库水位的挖掘效果不尽人意,但可以很大程度上对降雨量充分挖掘,得到与波动项位移关联性更高的新的降雨量分量。(5)将降雨量组与库水位组中与波动项位移的灰色关联度高的因素作为输入变量而建立滑坡位移一关键诱因的非线性预测模型,对比粒子群优化的支持向量机回归方法、径向基神经网络、Elman神经网络三种方法对波动项位移的预测效果。Elman神经网络和径向基神经网络的对局部波动较大的位移预测值与实际值较为吻合,从精度指标来看,三种方法对波动项位移预测效果都能达到满足实际需求的精度,但支持向量机回归模型总体上对测试样本的预测效果更好;趋势项位移可以用多项式拟合预测,得到拟合的精确度R-Square均为1,拟合效果较好;叠加两项位移预测值得到的总预测值误差范围较小。