基于監測數據云模型的滑坡安全穩定性評價

陳泉余 李紅明

廣西交科集團有限公司 廣西 南寧 530007

引言

由于廣西的地理位置、氣候、地形地貌等特征，使得廣西成為我國地質災害最嚴重、受威脅人口最多的省份之一。滑坡作為公路地質災害的主要表現形式之一，其造成的災毀損失是相當巨大的。

目前，在滑坡安全評價方法主要有模糊綜合評價法[1]、神經網絡評價法[2]、灰色系統評價法[3]、物元可拓評價法[4]、云模型評價法[5]；在滑坡監測預警方面主要是通過預警判據（閾值）作為預警的手段，預警判據主要有位移速率、位移及速度、切線角、降雨等[6]。本文提出將云模型評價方法和監測預警進行有機結合對滑坡進行穩定性評價。

1 監測云模型及安全評價

1.1 云模型的定義

云模型是根據特定的結構算法實現轉換定性概念與定量數值的模型，云模型的基本定義為：給定定量論域U，設定G是U上的定性概念，若定量值xeU，且x是G上一次隨機實現，設μ(x)∈[0,1]是x對G的確定度且滿足：

則x在論域U上的分布稱之為云，每一個x代表一個云滴，云滴是定性概念的定量描述。

云模型用3個數字特征表示：期望值Ex，熵En和超熵He，即（Ex，En，He）。Ex是對定性概念基本信息的度量，也是論域的中心值；En是反映定性概念的不確定性，體現了概念的隨機性和模糊性；He為熵En的熵，是En的不確定性的度量，是云滴厚度的間接反映。

1.2 無確定度逆向云發生器

無確定度的逆向云發生器的具體算法如下[7]。

輸出：數據樣本的期望Ex，熵En和超熵He。

在無確定度情況下，計算云滴的樣本超熵時，數據樣本應滿足方差絕對值大于熵的絕對值，即S2-En2≥0。若差值為零，得到的超熵為虛數，沒有任何實際意義，這時需要對監測數據樣本進行采樣分組，分別求出En與He的估計值。

1.3 邊坡安全等級劃分

參考規范及相關文獻，將滑坡安全等級劃分為非常安全、安全、基本安全、危險、非常危險五級[8]。為均衡各安全等級之間的評語值區間，采用黃金分割法生成s朵云表示語言評價值。計算公式如表1所示。

表1 黃金分割法的云模型參數計算

定義有效論域為U=[0,1]和He0=0.010，利用表1的計算公式得標準云模型的數字特征結果如表2所示。滑坡安全狀態對應的云模型數字特征利用正向云發生器生成云滴，將定性知識轉化為定量表示。繪制滑坡安全評價云圖如圖1所示。

圖1 滑坡安全狀態級別云圖

表2 滑坡安全狀態定義及云模型數字特征

1.4 監測云模型及安全評價

通常在滑坡體上會布設多個監測點，這就需要結合多個監測點的監測數據來計算云模型的特征參數，實現對滑坡進行安全評價，由此提出綜合云。對于最高層的監測云模型參數采用綜合云，綜合云是將兩個及兩個以上的監測基云進行綜合生成新云。將每個監測基云根據對應監測點的監測權重構建綜合云模型，監測云模型計算如下：

式3、式4中，Ex，En，He分別表示監測云的數字特征（期望、熵以及超熵）；Exi，Eni，Hei分別表示第i個監測點評價云數字特征；iω為第i個評價指標的權重。

云模型的最終評價結果是一個以云參數形式的數學模型，為了使構建的評價指標結果更直觀表達，采用貼近度[9]來判別滑坡安全等級。通過計算綜合云等級與標準云的貼近度來確定：

式5中，T為綜合云等級的貼近度，Ex為綜合云期望，為標準云期望。貼近度越大，滑坡綜合云等級越接近對應標準云等級。

2 應用案例分析

2.1 項目概況

S301線K95+100～K95+400段為原公路建設分級開挖形成路塹邊坡，坡比約1∶1.0，邊坡高差達120m，坡腳設計2.5～3m高現澆砼擋墻支擋。該邊坡土質疏松，左側存在潛在滑坡體，平均厚度9m，潛在滑坡土石方量大于100000m3，為中型滑坡。為保障道路的通行安全，在主滑體上布設一個監測斷面，在監測斷面上布設兩個GNSS監測點，監測點布設見圖2。

圖2 某處滑坡現狀及監測點分布

2.2 監測結果與分析

2022年1月22日監測設備開始正常的監測數據采集工作，6月8日加速下滑后，6月11日通過現場巡查發現擋墻開裂、路面出現隆起，滑坡后緣裂縫貫通，6月12日封閉交通，2022年7月11日因坡體施工整治拆除設備。監測結果見表3和圖3。

圖3 變形-降雨-時間監測曲線圖

表3 平面位移監測統計表

監測結果分析。

2.2.1 從監測曲線圖可以看出，監測總體可以分為3個階段：1月22日-4月28日，這個階段坡體變形較小（平均變形速率為0.06mm/d），整體處于蠕變階段；4月29日-6月7日，這個階段坡體因為降雨原因，變形增大（平均變形速率2.85mm/d），處于勻速變形階段；6月8日以后，坡體加速下滑（平均速率為25.23mm/d），處于加速變形階段，坡體有較大的滑塌風險。

2.2.2 隨著雨季的到來，變形也隨著土壤含水率的增加也逐漸變大，直至坡體加速下滑，說明變形量的大小與降雨量具有較強的相關性且有一定的滯后性。

2.3 復合監測云模型的構建與分析

根據監測點的分布以及觀測點周圍環境，G1和G2監測點的主觀權重分別為0.6和0.4，平面和垂直位移的主觀權重均為0.5，通過監測點監測時間序列先分別計算出G1和G2的平面和垂直位移的模型特征，再根據主觀權重計算出平面和垂直位移的云模型特征，最后計算出監測的復合云模型特征，計算結果表4所示。

表4 變形監測評價指標的云模型參數

根據變形監測指標的云模型數字特征，利用正向云發生器進行5000次正態隨機模型產生云滴，得到變形監測指標安全等級云滴分布圖如圖4所示。

圖4 變形監測綜合評價結果云滴分布圖

根據最大隸屬度原則可知變形監測評價云位于Ⅳ級和Ⅵ級兩個標準等級之間，利用貼近度公式計算變形監測評價云中心值Ex與Ⅳ級標準云中心值的貼近度（T-）為5.065，與Ⅵ級標準云中心值的貼近度（T+）為8.964，貼近度越大，變形監測評價云越靠近此標準云，此刻判斷該滑坡體的安全等級可評定為Ⅵ級，處于非常危險。

3 結束語

本文利用GNSS監測手段對滑坡體進行監測，利用云模型構造監測云模型，實現對滑坡體的安全評價。通過S301線K95+100～K95+400段滑坡監測結果進行分析并構造監測云模型，結合巡現場的實際情況，計算結果表明可以通過監測云模型可實現實時在線對滑坡監測的安全評價。