青海尕沙日特大型滑坡穩定性評價

賈升安 李春陽 段順榮

1 青海省水文地質及地熱地質重點實驗室，西寧市蘇家河灣4號，810008 2 青海省水文地質工程地質環境地質調查院，西寧市蘇家河灣4號，810008 3 青海省核工業地質局，西寧市新寧路2號，810008

滑坡的穩定性直接關系到防治措施的設計，因此滑坡的穩定性評價至關重要[1-5]。實際工程中常用傳遞系數法[6]計算滑坡穩定性。根據田成成等[7]的研究成果，尖點突變分析可用于滑坡的穩定性評價。變形預測能較好地反映滑坡變形的發展趨勢，可用于滑坡穩定性發展趨勢的評價。本文以青海尕沙日特大型滑坡為工程背景，首先通過傳遞系數法開展常規滑坡穩定性分析，然后進行尖點突變分析和滑坡變形預測。

1 基本原理

1.1 常規穩定性模型

傳遞系數法是GB/T 32864-2016《滑坡防治工程勘查規范》規定使用的滑坡穩定性計算方法，具有操作簡單、實用性強等優點。結合滑坡實際，將滑坡穩定性的計算工況分為3種類型：1)自重工況，即僅對滑坡自重進行穩定性計算；2)自重+暴雨工況，即考慮暴雨條件下的滑坡穩定性；3)自重+地震工況，即考慮地震條件下的滑坡穩定性。根據計算得到的穩定系數Fs可進行滑坡穩定狀態劃分：Fs<1為不穩定狀態、1≤Fs<1.05為欠穩定狀態、1.05≤Fs<1.15為基本穩定狀態、Fs≥1.15為穩定狀態。

1.2 穩定性佐證模型和發展趨勢評價模型

考慮到滑坡變形是其穩定性的量化體現，因此以滑坡變形監測成果為基礎，利用尖點突變理論和變形預測思路來構建滑坡穩定性佐證模型及發展趨勢評價模型。

1.2.1 穩定性佐證模型

尖點突變分析可通過數學模型來評價連續行為中的突發質變過程，在巖土領域已得到廣泛應用。尖點突變分析過程中，標準函數V(t)為：

V(t)=t4+qt2+pt

(1)

式中，q、p為擬合參數，t為時間變量。以滑坡變形監測數據為基礎對式(1)進行擬合處理，可得到參數q、p，進一步計算得到突變特征值Δ：

Δ=8q3+27p2

(2)

通過Δ的大小可判斷滑坡穩定性：若Δ>0，說明滑坡大概率處于穩定狀態；若Δ=0，說明滑坡處于臨界穩定狀態，具有波動性；若Δ<0，說明滑坡大概率處于不穩定狀態。

1.2.2 穩定性發展趨勢評價模型

一般情況下，滑坡變形越大，其穩定性相對越弱。若滑坡后續變形處于增加趨勢，其穩定性也將隨之減弱；相反，若滑坡后續變形趨于穩定，其穩定性將會維持現狀。因此可通過變形預測來評價滑坡變形的后續發展情況，并進一步評價滑坡穩定性的發展趨勢。

NARX神經網絡能夠在線性輸入條件下進行非線性輸出，具有較強的普適性，因此可利用其構建滑坡變形預測模型，基本原理見文獻[8-10]。但NARX神經網絡的延遲階數及隱層節點數多由使用者確定，缺乏客觀性，因此有必要對其進行優化處理。天牛須搜索(beetle antennae search，BAS)具有參數簡單、計算簡便等優點，可利用其實現NARX神經網絡的參數優化。BAS-NARX神經網絡的構建步驟為：

1)輸入數據。對變形數據進行歸一化處理，運行得到初步估計值，然后將其作為閉環NARX神經網絡的輸出量。

2)初始化參數。對BAS算法的參數進行初始化設置，如設置步長、隨機向量及待優化參數等，然后對天牛初始位置進行設置。

3)確定適應度函數。對閉環NARX神經網絡進行初步訓練，并對初步預測結果進行篩選，確定最優適應度函數值至最優位置處。

4)迭代尋優。不斷更新天牛范圍及其位置，并計算相應的適應度函數值，將其與最優位置處的適應度值進行對比，實現尋優參數的更新迭代。

5)判斷迭代是否結束。當達到最大迭代次數或期望目標時，停止迭代；否則，增加搜索步長，繼續迭代尋優。

6)輸出參數。當滿足迭代結束條件后，輸出最優適應度函數對應的尋優參數，即可得到最優的延遲階數及隱層節點數。

雖然BAS算法的優化處理保證了NARX神經網絡參數的最優性，但也難以完全刻畫出滑坡變形的非線性特征，即BAS-NARX神經網絡的預測結果仍會存在一定誤差。為此，需再對其預測誤差進行弱化處理。

根據文獻[11]可知，ARIMA模型具有較強的誤差弱化能力，誤差弱化過程可表示為：

(3)

式中，zt為誤差弱化值，φm為自回歸參數，k、l為回歸階次，at為白噪聲，θj為滑動參數。進行ARIMA模型的誤差弱化處理后，得到最終滑坡變形預測模型BAS-NARX-ARIMA。

2 實例分析

2.1 工程概況

尕沙日滑坡的平面為半圓形，主滑方向為111°，縱向長度約2 160 m，寬度約910 m，厚度為65～75 m，體積約13 759.2×104m3，屬特大型滑坡(圖1)。滑坡主滑面具有折線特征，發育有二級平臺；二級平臺位于滑坡后緣，縱向長度約200 m，橫向延伸寬度約1 000 m，平臺后緣的滑坡壁明顯，高約100 m；一級平臺位于滑坡中部，縱向長度約150 m，寬度約500 m，坡度小于8°。同時，滑坡兩側沖溝發育明顯，具有“V”型特征，多為季節性流水所致，侵蝕深約5～10 m，寬約10～20 m。

圖1 主滑面地質剖面Fig.1 Geological profile of main sliding surface

根據鉆探成果，對滑坡結構地層分述如下：滑體土為黃色或褐紅色，巖性為含礫粉土、黃土等，土質松散且不均勻，厚度變化差異大，主要為65～75 m；滑帶土為褐紅色，巖性為粉質粘土，巖芯可見擠壓層理，并呈魚鱗片狀，含水量較高，埋深65～80 m，平均埋深約70 m，層厚0.5～2.6 m；滑床為褐紅色，巖性主要為強風化泥巖，泥質結構，層狀構造，以粘土礦物為主，揭露厚度8～11 m。

結合現場調查成果，按照變形分布位置，將滑坡變形破壞特征總結如下：

1)后緣變形特征。形成規模不一的下錯陡坎，并伴隨形成洼地及鼓丘。其中，洼地多呈橢圓狀，軸長270～600 m，深度3～5 m；鼓丘相對高差15～20 m，坡度30～40°。

2)中部變形特征。以洼地和鼓丘為主，但規模與后緣具有一定差異。其中，洼地為橢圓形平面，軸長約230～310 m，深度2～5 m；鼓丘相對高差10～20 m，坡度15～20°，相對后緣較平緩。

3)前緣變形特征。以陡坎為主，坎高約6 m，坡度60°～70°。

2.2 常規穩定性評價

利用傳遞系數法對主滑面進行穩定性計算，結果見表1。

表1 常規穩定性計算結果Tab.1 Conventional stability calculation results of landslide

由表1可見，工況3的穩定性相對最差，工況1的穩定性相對最好，說明尕沙日滑坡是自重+地震工況；工況1和工況2之間的穩定系數相差不大，這是因為尕沙日滑坡的滑體厚度較大，降雨及其入滲時間相對較短，故2個工況的抗滑參數一致，但工況2將降雨入滲范圍內的土體重度改成了飽和重度。

2.3 穩定性佐證評價和發展趨勢分析

在主滑面布設3個監測點DB1、DB2、DB3(圖1)，共監測30個周期，所得變形值為監測點的總位移值，得到滑坡變形時間曲線(圖2)。由圖2可見，滑坡變形持續增加，其中，DB2監測點的變形量相對最大，DB1次之，DB3相對最小，說明滑坡中部變形相對最大，其次是后緣，前緣變形相對最小。

圖2 滑坡變形時間曲線Fig.2 Deformation time curve of landslide

2.3.1 穩定性佐證分析

對3個監測點進行尖點突變分析(表2)。由表2可見，在標準函數的擬合過程中，3個監測點的擬合度區間為0.958～0.970，變化范圍相對較小，且均趨近于1，說明后續尖點突變分析結果準確、可靠。3個監測點的Δ范圍為(3.673～4.099)×109，均大于0，說明3個監測點均處于穩定狀態，佐證了上述常規穩定性計算結果的準確性。根據Δ大小可知，DB1監測點的穩定程度相對最高，其次是DB3和DB2。

表2 尖點突變分析的穩定性結果Tab.2 Stability results of cusp mutation analysis

為進一步掌握滑坡穩定性隨時間的變化規律，將滑坡監測樣本劃分為3個階段，每個階段遞增10個周期的數據，并對每個階段監測樣本進行尖點突變分析(圖3)。由圖3可見，各監測點在不同階段的Δ存在一定差異，Δ隨時間持續減小，即滑坡穩定性隨時間持續減弱，且階段1到階段2的減小值要明顯大于階段2到階段3的減小值，說明滑坡穩定性在監測前期的減小程度更大。

圖3 滑坡變形時間曲線Fig.3 Deformation time curve of landslide

綜上所述，尕沙日滑坡處于穩定狀態，與常規穩定性分析結果一致，只是不同位置處的穩定程度有一定差異，且滑坡穩定性隨時間持續減弱。

2.3.2 穩定性發展趨勢分析

利用變形預測開展滑坡穩定性發展趨勢分析。若滑坡變形趨于收斂，則滑坡穩定性將維持現狀；若滑坡變形持續增加，則滑坡變形將趨于減弱。將1～25期的數據作為訓練集，26～30期的數據作為驗證集，后續外推預測4個周期。同時，為充分驗證BAS算法的優化效果及ARIMA模型的誤差弱化能力，以DB1監測點為例，給出NARX、BAS-NARX和BAS-NARX-ARIMA模型的預測效果(表3)。由表3可見，BAS算法在相應驗證樣本處對NARX神經網絡進行優化處理后，BAS-NARX模型的MSE值、MAPE值和CT值均出現不同程度的減小，驗證了BAS算法的優化效果。經過ARIMA模型的誤差弱化處理后，BAS-NARX-ARIMA模型的3個評價指標值均較BAS-NARX模型進一步減小，證明了ARIMA模型具有較強的誤差弱化能力。綜上可知，BAS算法和ARIMA模型對NARX模型的優化處理不僅能提高預測精度，還能有效節約收斂時間，充分說明BAS-NARX-ARIMA模型適用于滑坡變形預測。

表3 3種模型在DB1監測點的預測結果Tab.3 Prediction results of three models at DB1 monitoring point

對其余2個監測點進行預測及外推預測(表4)。由表4可見，3個監測點的MSE為0.07～0.49 mm2，MAPE為2.03%～2.11%，CT為69.38～73.98 ms，3個評價指標值均較小，且變化范圍也較小，進一步說明BAS-NARX-ARIMA模型具有較強的穩健性。根據外推預測結果可知，滑坡變形量會持續變大，且外推預測周期的增加速率相較26～30周期的增長速率并無明顯減小趨勢，得出滑坡穩定性仍會持續減弱。

表4 各監測點的預測結果Tab.4 Prediction results of each monitoring point

3 結 語

1)通過傳遞系數法的常規穩定性評價，得出滑坡在3種工況條件下的穩定系數Fs為1.148～1.697，屬于基本穩定或穩定狀態，且最不利工況為自重+地震工況。

2)通過尖點突變分析可知，各監測點的Δ均大于0，即均處于穩定狀態，佐證了常規穩定性計算結果的準確性，但不同位置處的穩定性程度存在一定差異，且滑坡的穩定性隨時間持續減弱。

3)通過變形預測分析可知，BAS-NARX-ARIMA模型在滑坡變形預測中展現出較好的穩健性，預測效果良好；滑坡變形量會持續增加，穩定性也會進一步減弱。

本文基于滑坡變形監測成果開展滑坡穩定性評價，未來可結合滑坡所處地質條件，進一步利用數值模擬評價滑坡穩定性，以確保穩定性分析結果的準確性。