论文部分内容阅读
中国幅员辽阔,地形地貌复杂多样,地震、滑坡、崩塌和泥石流等多种类型的地质灾害时有发生。近年来,在人类工程活动的影响下,地质环境的改变导致滑坡灾害发生的频率越来越高。对此,学者们关于滑坡灾害的研究也在不断深入。研究表明,通过正确预测滑坡发生概率并及时做出合理的应对措施,能够有效降低滑坡导致的经济损失和人员伤亡损失。目前滑坡易发性预测中常用的模型大多都是传统机器学习模型,而随着互联网技术的发展,深度学习模型相较于传统机器学习模型的优点也在不断凸显。因此,本文以寻乌县为研究区,首先运用深度学习中的长短期记忆神经网络模型（Long Short-Term Memory,LSTM）对区域滑坡易发性进行预测并分级制图,探索更深度学习下的滑坡易发性预测建模规律。然后从研究区的极高易发区中选取一个典型滑坡——城南滑坡进行单体滑坡稳定性分析。将前文中所用的LSTM模型运用于单体滑坡稳定性预测,选取能够决定滑坡稳定性的控制因子,将其作为模型的输入变量。通过收集资料建立训练样本数据集,使用该数据集对模型进行训练即可得到模型样本库,在此之后的单体滑坡稳定性预测只需将其控制因子的值作为变量输入模型样本库,即可得到该滑坡稳定性。接下来在单体边坡稳定的基础上,结合不同降雨重现期分析降雨工况下的边坡的危险性,并统计分析滑坡影响范围内的承灾体数量及其易损性,利用滑坡风险评价公式计算该单体滑坡的风险。综上,本文完成了从区域滑坡易发性预测到典型单体滑坡稳定性,进一步到单体滑坡风险评价的多方面滑坡灾害研究工作,主要的研究内容和结果如下:（1）使用LSTM模型实现易发性建模,预测区域滑坡易发性并开展对比分析。首先收集对滑坡易发性影响较大的13种环境因子数据并计算其频率比值,然后利用LSTM深度学习模型预测寻乌县滑坡易发性,得到其易发性预测结果并绘制易发性分级图。再通过SPSS软件绘制LSTM模型预测结果的ROC曲线图,得到该模型预测结果的AUC精度值为0.834。表明LSTM模型具有不错的预测精度,为以后使用深度学习模型进行了有效的探索。（2）从寻乌县极高滑坡易发区中选择城南滑坡作为典型单体滑坡案例,获取该滑坡土力学参数,并采用非线性有限元法计算单体滑坡稳定性。本文为了探索机器学习模型预测单体滑坡稳定性的可行性,以城南滑坡构建的地质模型为基础,分别使用LSTM、卷积神经网络（Convolutional Neural Networks,CNN）、支持向量机（Support Vector Machine,SVM）以及随机森林（Random forest,RF）四种机器学习模型进行单体滑坡稳定性预测。结果显示LSTM模型的预测精度相较其他三种模型更高,其RMSE值为4.45%,EF值为0.9827。表明在有充足训练测试样本的情况下,机器学习模型能够有效预测滑坡稳定性,且LSTM模型具有较高的滑坡稳定性预测精度。（3）统计寻乌县近40年的降雨,计算得出了降雨重现期为10年、20年以及50年分别对应的降雨量。通过Geo-Studio 2007软件对城南滑坡进行单体滑坡稳定性预测,计算其在降雨情况下的滑坡稳定性,得到其在10年、20年以及50年降雨重现期下对应的七天内安全系数变化情况。在三种工况下,安全系数都在不断降低,在前三天安全系数降低速度较慢,在中期速度安全系数迅速减小;在最后无降雨的两天,仍然呈现降低趋势,不过降低速度相较于中期变慢。（4）分析在降雨诱发因素下,滑坡发生失稳破坏的概率,再与诱发因素出现概率相结合,得出降雨工况下滑坡危险性指标。利用Geo-Studio 2007软件结合Monte Carlo理论,得到在10年、20年、50年降雨重现期下滑坡发生概率分别为1.77%、2.97%、1.61%。结果显示,在20年降雨重现期工况下,滑坡的危险性指标最高。（5）通过对实地勘察,得到城南滑坡影响范围内的建筑物及人员情况统计结果,结合风险评价计算公式得到其在不同工况下的经济损失风险以及人员伤亡风险。在10年、20年、50年降雨重现期下经济损失风险分别为12.27万元、20.59万元和11.16万元,人员伤亡风险分别为4.11人、6.89人和3.74人。