第十二章 地质灾害预测预报.pptVIP

地质灾害 例如，发现坡前崩塌落土、动物异常等现象. 就躲避灾害； 发现坡体土移动，则高喊‘‘走山了’’，提醒他人避开灾难； 发现山体裂缝及时填，避免地表水下渗. 构建简易挡墙。维持坡体稳定等。 该阶段属于被动防避灾阶段，以‘‘减少生命损失，不计财产损失’’为原则。 3、位移-时间统计分析预报阶段 该阶段处于20世纪八九十年代，概率论、数理统计、统计热力学、灰色系统理论等现代数理力学理论被引入，用于拟合滑坡的位移-时间曲线，并据此外推预报。例如，陈明东提出了利用滤波灰色分析法进行滑坡的中期预报；秦四清认为系统非线性非稳定变形阶段的历时是线性平稳变形阶段历时的0.618倍，提出了黄金分割预报法；晏同珍根据滑坡孕育、发展、发生的过程特征提出了二次曲线回归拟合 和灰色理论中Verhuolst生物繁衍的动态模型预测方法。 4、系统综合预报阶段。 20世纪90年代以来，伴随着系统科学以及非线性理论的发展，认为滑坡是一个开放性的复杂系统，运用系统综合、系统分析、系统模拟的方法对滑坡系统进行识别、模拟及预测预报，重视对滑坡宏观前兆和宏观判断的研究，但实际效果仍不理想。 因此，虽然滑坡预测预报一直是岩土及地质工程学科的重要研究内容，但目前预测精度仍然不高，尤其在灾害安全警报方面尚处于起步探索内容。为了指导公路高边坡防灾减灾，本书仅就滑坡预测预报方法进行分析。 二、滑坡灾害监测预报系统方法 传统的滑坡灾害预测可分为临滑预报、中期预报和长期预报（图8.1），如斋藤迪孝模型、HOCK法、灰色GM（1.1）模型等。 三、滑坡灾害预警新方法 1神经网络法 神经网络是由大量处理单元（神经元、处理元件、电子元件和光电元件等）广泛互联而形成网络。网络的信息处理由神经元之间互相作用实现，知识与信息的存储表现为网络元件互连间分式的物理联系，网络的学习和识别决定于各神经元连接权系的动态演化过程。 人工神经网络（ANN）模型建立主要是输入、输出参数的确定，即影响边坡稳定性指标及边坡稳定状态的确立，输入、输出参数的预处理以及学习模式集的收集。根据已经获取的滑坡工程资料及神经网络模型的分析，可以建立滑坡知识获取的样本库。通过对该样本进行学习（训练），可以获得滑坡预报知识，由此就建立了加速蠕变阶段的位移和位移速率以及持续时间与输入因素之间的隐含关系。 由此输入特定边坡的几何形态、工程地质条件、影响因素之间以及经监测到的前两个阶段的位移和速率参数，就可以利用已获得的滑坡预报知识系统，进行滑坡失稳时间、规模和破坏模式的预测。神经网络法包括遗传神经网络模型和灰色神经网络模型。 遗传算法的基本思想是从一组随机产生的初始解，即“种群”，开始搜索，种群中的每一个个体，即问题的一个解，称为“染色体”； 遗传算法通过染色体的“适应值”来评价染色体的好坏，被选择的染色体进入下一代； 下一代中的染色体通过交叉和变异等的遗传操作，产生新的染色体，即“后代”； 经过若干代之后，算法收敛于最好的染色体.该染色体就是问题的最优解或近解。 神经网络和遗传算法相结合的遗传神经网络模型的构造包括4个步骤： 第一，染色体的表达与初始种群的确定与构建； 第二，目标函数和适应度函数的确立与构建； 第三，依据适应度运用遗传算法中的算子如交叉. 变异进行遗传运算； 第四，BP网络在训练中修改网络权重。 * 第八章  地质灾害预测预防 滑坡灾害监测预报 1、经验判断防灾阶段。该阶段处于20实际60年代以前，研究中仅有滑坡灾情.危害资料记录，缺乏滑坡灾害预防报道，几乎未涉及工程滑坡领域。 人们根据经验总结出了一系列防灾避灾方法。  2、定性-半定量分析预测预报阶段。 该阶段处于20世纪六七十年代，集中 在根据滑坡现象积累经验方法或统计学方法 等方面。 例如，日本学者斋藤迪孝通过试验提 出了蠕变破坏三阶段理论，建立了加速蠕 变的微分方程； E.Hoek根据智力的Chuquicamata矿 滑坡监测时间-位移曲线，提出了利用滑坡变 形曲线的形态和趋势进行外延并推求滑动时 间的外延。 *