边坡变形预测研究现状与发展趋势

江　　西　　科　　学

JIANGXI　SCIENCEVol.25No.4

Aug.2007

　　文章编号:1001-3679(2007)04-0383-05

边坡变形预测研究现状与发展趋势

何习平

1,2

,华锡生,何秀凤,冯小磊

113

(1.河海大学土木工程学院,江苏　南京210098;2.南昌工程学院水利系,江西　南昌330029;

3.长江设计院空间信息技术工程公司,湖北　武汉430010)

摘要:我国自然边坡地质灾害造成的损失仅次于地震;一批国家重点工程项目的开工建设又形成了很多人工高边坡,这些边坡的变形与稳定影响工程安全,因此,开展边坡安全监测具有十分重要的意义。本文从变形破坏机理、变形监测数据处理、变形预测模型等方面就边坡变形预测的现状进行了深入分析,并就边坡变形预测的发展方向进行了探讨。

关键词:边坡;变形;预测;研究现状;发展趋势中图分类号:TU457　　　　文献标识码:A

ThePresentStatusandTrendofDeformationForecastingforRockSlope

HEXi2ping,HUAXi2sheng,HEXiu2feng,FENGXiao2lei

1,2

1

1

3

(1.CollegeofCivilEngineering,HohaiUniversity,JiangsuNanjing210098PRC;

2.DepartmentofHydraulicEngineering,NanchangInstituteofTechnology,JiangxiNanchang330029PRC;

3.SpatialInformationTechnologyEngineeringCompany,ChangjiangCommunityDesignAcademy,HubeiWuhan430010PRC)

Abstract:ThenaturaldisasterlossofslopeisnexttolossofearthquakeinChinese.Thedeformationanddestructionofartificialhighslopemakingbynationalmajorprojectinfluencetheengineeringsafetyofself,so,theworkofsafetymonitoringofslopeisextremelyimportant.Inthispaper,thede2structivemechanism,thegrosserrorrecognitionandtheforecastingmodeofslopedeformationarein2troduced.Thedevelopmenttrendofslopedeformationforecastingtechnologyisdiscussedbyanaly2zingthepresentstatus.

Keywords:Slope,Deformation,Forecasting,Presentstatus,Trendofdevelopment

0　引言

我国是一个地质灾害十分频繁的国家,中国

统计年鉴(2005)表明:2000年～2004年的5年期间,我国每年仅自然边坡发生滑坡等地质灾害

[1]

造成的直接经济损失达30亿元～50亿元。随着国民经济的持续发展和西部大开发战略的实施,我国先后开工或建成了许多大型和特大型工

收稿日期:2007-01-29;修订日期:2007-04-26

程项目,如三峡、溪洛渡、向家坝、南水北调等大型水利水电工程;西气东输、西电东送等大型能源工程;青藏铁路、沪蓉高速等大型交通工程等。这些大型工程一方面对加快国民经济建设、提高人民生活水平、保持社会可持续发展起到十分重要的作用;同时,由于大量的岩土开挖,形成许多工程边坡,这些边坡的失稳破坏不仅会直接摧毁工程建设本身,而且也会通过环境灾难对工程和人居

作者简介:何习平(1965-),男,安徽岳西人,教授,博士研究生,主要从事变形监测研究与教学工作。基金项目:国家自然科学基金项目(50579013);国家自然科学基金重点项目(50539110/E090103)。© 1994-2008 China Academic Journal Electronic Publishing House. All rights reserved. http://www.cnki.net

384江　西　科　学2007年第25卷

环境带来间接的影响和灾害。因此,对边坡进行

监测,研究边坡变形机理,掌握边坡变形规律,科学预测预报边坡变形破坏,为防灾减灾提供依据具有十分重要的意义。

(达到破坏滑坡发生)和减速破坏(一个位移周期

1　边坡变形破坏机理研究

边坡在其形成过程中,由于各种自然因素和人为因素的作用,坡体内部的应力状态发生变化,引起应力的重新分布和应力集中效应,当坡体内的应力超过岩土体的强度时,将导致边坡变形破坏。边坡变形破坏机理的研究比较早,人们分别从物理学、力学、数学、微观结构学等学科角度出发进行研究,取得了丰富的成果,但由于边坡变形是一个复杂的非线性系统,表现为多因素、多层次和多阶段性等特征,难以用一种模型进行描述。目前比较典型的成果如下。1.1　斋藤迪孝三阶段理论(斋藤迪孝模型)

日本学者斋藤迪孝(SatioM,1968)以土体的蠕变理论为基础,根据室内实验和仪器监测的结果,将土体蠕变分为减速蠕变、稳定蠕变和加速蠕变3个阶段,提出以稳定蠕变和加速蠕变阶段的应变速率为基本参数的预测预报经验公式,并建立加速蠕变的微分方程。斋藤迪孝理论在20世纪70～80年代得到过较广泛的应用;日本学者KawamuraK采用差分法及最小二乘法求解斋藤公式之后,斋藤迪孝模型预报精度得到较大的提[2]

高。1.2　生长曲线理论

生长曲线揭示了生物在产生、发展、消亡整个过程中所遵循的一条渐进演化规律。生长曲线理

[3][4]

论主要有Pearl模型和Verhulst模型2种。

Pearl生长曲线的特征表现为下部比较平缓,

结束)的规律性,与生物生长规律有相似的机制,因此引用如下Verhulst模型描述滑坡位移过程。

随着边坡机理研究的深入,许多学者将边坡变形破坏划分成不同的类型。DouglasStead和Eberhardt在总结露天高边坡的破坏机制时,将其

分为双结构面破坏、犁起破坏、弯折破坏、逐步破坏、平面型失稳、旧有构筑失效6类;张倬元等也将斜坡变形机制分为蠕滑-拉裂、滑移-压致拉裂、滑移、滑移-弯曲、弯曲-拉裂、塑流-拉裂6种模式,这6种模式相互复合可以解释更为复杂

[5]

的斜坡变形机制;陆兆溱将水利水电工程中边坡的变形破坏划分为松弛胀裂、崩塌、滑坡、蠕动、

[6]

倾倒和流动等6种基本类型。

2　变形监测数据预处理监测数据预处理主要是进行粗差探测定位与剔除、监测数据的系统误差检测与分离、监测数据之间的相关性检验、质量评定和平差等工作。

随着变形监测自动化监测水平的提高、测点数目的增加、观测数据量的加大;另外,受外界观测条件的影响,观测数据不可避免的产生粗差,如果将监测数据直接投入到变形模型的分析中,就会产生预料不到的结果或错误,因此,必须对监测数据进行粗差定位与剔除。

高斯1821年提出的基于正态分布的最小二乘法是测量平差的理论基础,但Newcomb(1886)等很多学者较早就发现由于粗差的存在会造成偏离正态分布或产生长尾分布,但直到Tukey(1962)和普斯林顿统计学研究小组的研究证实了经典估计的稍微非正态性后,粗差和如何发现粗差开始为人们所重视。ReterJ.Huber于1964年发表的题为《定位参数的抗差估计》的论文,为抗差估计理论奠定了基础,1968年荷兰Baarda提出了一种粗差定位和剔除含有粗差观测值的数据探测法。后来,Box、Huber、Turkey等人提出了能在数据处理中发现粗差与粗差定位的稳健估计,Huber和Hampel等人对稳健估计法进行了大量的研究,丹麦Krarup和Kubik等人最早将其引入

[7]

到测量平差中。

粗差定位主要有将粗差纳入数学模型和不纳入模型的检测2类方法。

将粗差纳入函数模型时,对单个粗差用数据探测法(DataSnooping)比常规的正态分布检验、t

曲线斜率较小,生长速度较慢;中部斜率最大,即

生长速度最快;生长曲线的上部,生长接近上限,生长速度极慢以至于达到成熟,此时生长终止。边坡失稳破坏的发展过程与描述生物生长规律曲线相类似。边坡变形的蠕变阶段相当于生长曲线的下部(产生阶段);急剧变形阶段相当于生物生长曲线的中部(发育阶段);边坡的失稳破坏阶段变形急剧增加直至发生破坏,然后又趋于稳定,这与生物生长曲线的中上部(成熟阶段)相类似。

Verhulst模型是1837年德国生物学家Ver2hulst在研究生物繁殖规律时提出的。晏同珍(1988)认为滑坡存在常速蠕变(孕育)、加速蠕变

© 1994-2008 China Academic Journal Electronic Publishing House. All rights reserved. http://www.cnki.net

第4期　　　　　　何习平等:边坡变形预测研究现状与发展趋势385

分布检验和τ检验方法好,但它难以同时对多个粗差定位与定值。对于多个粗差探测比较简单的方法是用“向后选择法”或“向前选择法”连续使用一维数据探测法来发现。向后选择法有可能错判,向前选择法则难以确定无粗差数据组;因此,Benciolini等人(1982)建议采用组合的向后-向前选择法。在第一阶段先用数据探测法向后选择,找出那些怀疑有粗差的观测值,然后在向前选择过程中决定那些被怀疑的观测值是否真的含有

[8]

粗差或仍为正常观测值。周世健提出粗差整体检验的可靠性问题并导出基本公式,於宗俦

[10]

等提出了一种多维粗差同时定位与定值法,欧

[11]

吉坤提出了一种粗差的拟准检定法。

将粗差归入函数模型后对多个粗差的定位比较困难。如果将含粗差的观测值视为取自同期望异常大方差母体的子样,则可以导出粗差定位的选择权法。选择权迭代法的关键是权函数的选择,权函数选择不同,定位方法很多,如Lq迭代法、丹麦法、带权数据探测法、Huber估计法、验后[7]

估计法(李德仁法)、Hampel法、周江文法等。近几年来,一些学者提出了粗差检验的新思[12]

路与途径:史玉峰等提出用信息熵识别粗差;王爱生提出用部分最小二乘法估算与定位粗[13]

差等。

粗差定位与剔除理论的研究在我国变形监测领域起步较晚。河海大学和武汉大学在大坝安全监测数据处理方面开展了一些探索性的研究工作,赵斌建立了大坝监测数据处理的抗差多元回

[14]

归模型,徐洪钟利用小波分析降噪技术探大坝

[15]

测监测数据中的异常值,雷伟刚建立了大坝安

[16]

全监测系统中异常值判别子系统。由于边坡变形监测工作的特殊性,一方面,边坡变形值的大小受多方面因素的影响,特别是外界环境因素的变形值是边坡变形序列的一部分,不能作为粗差剔除;另一方面,由于边坡变形机理的研究还不够深入,人们对边坡变形的真正原因还不是很清楚,因此,目前在边坡监测数据领域开展粗差定位与剔除方法的研究工作还没有取得比较成熟的研究成果。

[9]

边坡的变形与破坏和生物圈各种物种的演化一样,都有从量变到质变的过程,这一过程通常会伴随一些宏观前兆(如地表变形、地声、动物异常、地下水宏观异常等)的发生,因此,可以通过观测这些现象来预报。我国曾用这种方法成功预报了宝成线须家河滑坡。

近30年来,国内外专家学者在边坡变形预测预报的理论研究和实际工作方面都作了大量的工作,建立了数十个滑坡预测预报理论模型和方法。但是,由于不同监测对象的变形机理不同,建立边坡变形预报模型涉及的学科多,例如与内因有关的地质构造、工程材料、工程力学、工程结构等学科,与外因有关的温度、降雨等学科,以及大地测量、遥感技术等地球学科。因此,建立的模型虽多,但各有利弊。总的看来,可以分为以下4个方面。3.1　确定性预测模型确定性模型用明确的函数建立边坡变形观测值与相关环境参数值的数学关系表达式。此类模型可反映滑坡的物理实质,多适用于滑坡或边坡单体预测。包括斋腾迪孝模型以及扩展模型如HOCK法、苏爱军模型、蠕变试验预报模型、福囿斜坡时间预报法、蠕变样条联合模型、极限平衡法[18]等;数值模拟方法如有限差分法、有限元法(1967)、边界元法(CronchSL,1976)、离散元法(CundallPA,1971)、无单元法(LacasterP,1981;Nayroles,1992)、非连续变形分析(石根华和Goodman,1989)及其相互耦合的计算方法等。其中,斋腾法及以其为基础发展起来的一些方法预测的误差较大;极限分析法考虑了影响滑坡稳定的各种因素,物理概念清晰,计算简单,适用于长期预报;数值模拟方法可以模拟分析边坡的稳定性和位移变形发展的过程,从而对边坡变形破坏进行分析判断。这些模型虽有一定的普遍性,但由于边坡的复杂性,其预报精度不高。3.2　统计预测模型统计预测模型不侧重于边坡变形破坏机理的严格数学表达,而注重于对现有边坡变形观测值进行分析研究,获得统计规律后,对边坡变形进行预报。建立在因果分析和统计分析基础上的各种预报模型均属此列,这些方法与监测数据的数量、时间序列有关,只要有足够的、等间距分布的位移监测数据,其预报精度较高,但是这种模型不具备普遍性,通常对单个边坡变形适用。主要方法有

[19～22]

[17]

3　变形预测模型研究现状

边坡变形监测研究工作中,监测是手段、预测是目的。因此,探求变形体的变形机理,建立边坡变形模型预报未来变形是监测工作的关键所在。

© 1994-2008 China Academic Journal Electronic Publishing House. All rights reserved. http://www.cnki.net

386江　西　科　学2007年第25卷

回归分析法、时间序列分析预测模型(AR、MA及

ARMA模型)、指数平滑法、黄金分割法、灰色预测模型(GM(1,1)模型、非等时距序列的GM(1,1)模型、新陈代谢GM(1,1)模型、优化GM(1,1)模型、逐步迭代法GM(1,1)模型等)、生长曲线法、模糊数学法、递进分析理论、卡尔曼滤波法等。3.3　非线性预测模型

边坡变形是一个复杂的非线性系统,表现为多因素、多层次和多阶段性等特征。为此,许多学者将神经网络、协同理论、分岔理论、灾变理论、分形理论、小波分析、突变理论等非线性理论应用于边坡变形研究之中,建立了相应的预测模型,取得了一些可喜的成果。此外,秦四清(1993)以非线性动力学理论为基础,提出了滑坡孕育非线性动

[23]

力学;徐峻岭(1994)等依据弹塑力学原理提出

[24]

了滑坡预测的功率模型;赵洪波(2006)将一种新的仿生群体算法———微粒群算法引入到边坡变[25]

形预测模型中,并提出变形估计模型。目前,非线性预测模型仍处于起步阶段,有些还不成熟,需要时间来验证。3.4　地球内外动力耦合预报模型

这种方法目前主要用于区域范围的边坡变形破坏预报。边坡变形破坏是地球内外动力共同作用的结果,在内动力系统活跃地区,以外动力作用为主的边坡变形在不同程度上受到内动力作用的影响。在内动力系统活跃地区,外动力又是边坡变形的诱发因素。因此,应将内外动力作用耦合并建立统一的边坡变形动力学模型和评价预测模[26]

型。朱建军(2003)假设边坡滑体为刚体,用卡尔曼滤波将边坡的力学状态与边坡变形观测数据联系起来,建立边坡滑坡的动态模型

[27]

后边坡预测的研究将集中于以下3个方面。4.1　非线性动力学预测模型研究是一个主要方

向

非线性动力学理论可以很好地刻画边坡变形的复杂性特征和规律,能较好地解决地质灾害预测中确定模型和统计模型的统一问题。将来的工作应着重加强非线性动力学理论的研究,使之与目前的系统论、信息论等的研究成果构成系统的滑坡预测理论体系。4.2　综合预测模型研究

由于各个滑坡体所处的环境条件、本身的结构特征等方法的差异,加上影响边坡变形与稳定的因素的动态变化,某些平时不很重要的影响因素在边坡变形发展到一定阶段可能会变成主要因素,使得滑坡体的变形演化规律具有极强的个性特征,任何一个滑坡定量预测模型不可能适用于所有滑坡的预测,往往仅能适用于某一类滑坡或某一演化阶段的预测。因此,结合边坡变形宏观迹象以及破坏前兆信息的研究,将边坡变形破坏的宏观信息与监测资料有机地结合起来,认真仔细地进行变形因素分析,将定量预测与定性预报有机结合的综合预测方法。4.3　边坡变形在线监测预报系统的研究

地理信息系统(GIS)是一种采集、存储、管理、分析、显示与应用地理信息的计算机系统,是分析和处理海量地理数据的通用技术。边坡变形是一个十分复杂的巨大系统,GIS技术的发展为这一系统提供了一个集监测、分析、预测为一体的

[28]

技术平台,并能提高灾害预测预报精度。因此,研制一个融合GPS、RS等现代监测技术、GIS技术、数学模型和专家系统的监测预报系统,实现对边坡的实时在线监测,是今后一段时间的研究方向和目标。

。

4　边坡变形预测的发展趋势

边坡变形的预测研究已经历了从现象预测、经验预测、统计预测到非线性预测的历程,目前已进入了根据检测反馈信息进行实时跟踪动态预测,以及将定性预测、定量预测以及现代数值预测技术有机结合的综合预测研究阶段。虽已经历数十年的历史,取得了较大的进展,但是,由于边坡的变形破坏受各种因素的制约,是一个十分复杂的、随机的、不确定性过程,因此,要准确预测边坡变形较为困难,目前的一些预报理论和方法还不成熟,至今尚有许多关键问题没有解决。预计今

参考文献:

[1]　中华人民共和国国家统计局编.中国统计年鉴———

2005[M].北京:中国统计出版社,2005.

[2]苏爱军,冯宗礼.滑坡预报方法探讨[J].水文地质

工程地质,1990,(5):50-51.

[3]孙景恒,李振明,苏万益.Pearl模型在边坡失稳时

间预报中的应用[J].中国地质灾害与防治学报,

1993,4(2):36-41.

[4]晏同珍.滑坡动态规律及预测应用.全国第三次工

程地质大会论文选集(下)[C].成都:成都科技大学出版社,1988.

(下转第410页)

© 1994-2008 China Academic Journal Electronic Publishing House. All rights reserved. http://www.cnki.net

410江　西　科　学2007年第25卷

[10]国家发展改革委交通运输司《综合交通网络布局规[11]欧阳杰,张　琴.“京津冀”区域轨道交通网络规划

划研究》课题组.我国综合交通网络布局规划研究

[J].综合运输,2005,(10):4-6.

刍议[J].城市轨道交通研究,2005,(1):24-27.

(上接第386页)

[5]　张倬元,王士天,王兰生.工程地质分析原理(第二

[19]KimJY,LeeSR.Animprovedsearchstrategyforthe

criticalslipsurfaceusingfiniteelementstressfields[J].ComputersandGeotechnics,1997,21(4):295-311.

[20]许　瑾,郑书英.边界元法分析边坡动态稳定性

[J].西北建筑工程学院学报(自然科学版),2000,17(4):72-75.

[21]NayrolesB,TouzotG,VillonP.Generalizingthefinite

elementmethod:DiffuseapproximationandDiffuseele2ments[J].ComputMech,1992,10:307-318.[22]ShiGen-hua,GoodmanRE.Generalizationoftwo-dimensionaldiscontinuousdeformationanalysisforfor2wardmodeling[J].Int.J.ForNum.AndAnaly.Meth2odsinGeomech,1989,13:359-380.

[23]秦四清,张倬元,黄润秋.滑坡灾害预报的非线性动

版)[M].北京:地质出版社,1993.

[6]陆兆溱.工程地质学[M].北京:水利电力出版社,

1995.

[7]李德仁,袁修孝.误差处理与可靠性理论[M].武

汉:武汉大学出版社,2002.

[8]

BencioliniB,MussioL,SansoF.AnApproachtoGrossErrorDetectionmoreConsecrvativethanBaardaSnoo2ping[D].Helsinki:SymposiumofISPComm.Ⅲ,1982.

[9]周世健,曾绍炳.粗差检验的整体可靠性[J].铁道

航测,1994,(4):3-5.

[10]於宗俦,李明峰.多维粗差的同时定位与定值[J].

武汉测绘科技大学学报,1996,21(4):323-329.

[11]欧吉坤.粗差的拟准检定法(QUAD法)[J].测绘学报,1999,23(1):15-20.[12]史玉峰,靳奉祥,王　健.基于信息熵的测量数据粗力学方法[J].水文地质工程地质,1993,20(5):1

-4,58.

[24]徐峻岭,廖小平,李荷生.黄茨大型滑坡的预报及其

差识别法[J].测绘通报,2002,(2):9-10.

[13]王爱生,欧吉坤.部分最小二乘平差方法及在粗差

理论和方法[J].中国地质灾害及防治学报,1996,

7(3):18-25.

[25]赵洪波.边坡变形预测的群体智能模型[J].岩石力

定值与定位中的应用[M].测绘科学,2005,30(2):

70-72.

[14]赵　斌,吴中如.大坝监测数据处理的抗差多元回

学与工程学报,2006,25(8):1664-1669.

[26]王思敬.地球内外动力耦合作用与重大地质灾害的

归模型[J].大坝观测与土工测试,2000,24(3):18

-21.

[15]徐洪钟,吴中如,李雪红,等.基于小波分析的大坝

成因初探[J].工程地质学报,2002,10(2):115-117.

[27]朱建军,丁晓利,陈永奇.集成地质、力学信息和监

观测数据异常值检测[J].水电能源科学,2002,20

(4):20-21.

[16]雷伟刚,华锡生.大坝安全监测系统中异常判定的

测数据的滑坡动态模型[J].测绘学报,2003,32

(3):261-268.

[28]OhlmacherGC,DavisJC.Usingmultiplelogisticre2

gressionandGIStechnologytopredictlandslidehazardinnortheastKansas,USA[J].EngineeringGeology,2003,69:331-343.

研究[J].江苏测绘,2000,23(1):7-10.

[17]文宝萍.滑坡预测预报研究现状与发展趋势[J].地

学前缘,1996,3(1/2):86-92.

[18]李秀珍,许　强.滑坡预报模型和预报判据[J].灾

害学,2003,18(4):71-78.

© 1994-2008 China Academic Journal Electronic Publishing House. All rights reserved. http://www.cnki.net