崔文杰，滕鵬曉，韓寶坤

(1. 山東科技大學(xué)，山東青島266590；2. 中國(guó)科學(xué)院聲學(xué)研究所噪聲與振動(dòng)重點(diǎn)實(shí)驗(yàn)室，北京100190)

0 引 言

滑坡是我國(guó)分布最廣泛和發(fā)生最頻繁的地質(zhì)災(zāi)害，具有突發(fā)性和高破壞性，嚴(yán)重威脅著人民生命財(cái)產(chǎn)安全。據(jù)國(guó)土資源部發(fā)布的2015年全國(guó)地質(zhì)災(zāi)害通報(bào)，該年全國(guó)共發(fā)生地質(zhì)災(zāi)害8224起，其中滑坡5616起，占地質(zhì)災(zāi)害總數(shù)的68.3%。

利用次聲對(duì)滑坡進(jìn)行動(dòng)態(tài)監(jiān)測(cè)預(yù)警是一個(gè)研究熱點(diǎn)，也是減害降災(zāi)的重要手段。在滑坡臨滑前，斜坡上部分巖土在重力的長(zhǎng)期作用下發(fā)生擠壓、剪切和摩擦，會(huì)釋放出次聲波[1-3]。次聲波具有頻率低、波長(zhǎng)長(zhǎng)、穿透能力強(qiáng)、衰減慢等傳播特點(diǎn)，能夠在很遠(yuǎn)的距離外被次聲傳感器監(jiān)測(cè)到。利用次聲對(duì)滑坡進(jìn)行監(jiān)測(cè)預(yù)警的研究有很多，大多是將滑坡體臨滑時(shí)巖石斷裂的聲發(fā)射信號(hào)進(jìn)行采集處理[4-5]，主要針對(duì)巖質(zhì)滑坡，而對(duì)于土質(zhì)滑坡的研究非常少。事實(shí)上，在黃土高原和東南福建等地區(qū)，土質(zhì)滑坡占滑坡總數(shù)的95%以上[6]。因此，對(duì)土質(zhì)滑坡次聲特性的研究十分有必要。

在滑坡表面或更深部滑移發(fā)生前，滑面處的非平衡力學(xué)狀態(tài)會(huì)首先導(dǎo)致滑面發(fā)生應(yīng)變而產(chǎn)生微變形滑動(dòng)，即蠕滑。土體屬于典型的非均勻離散材料，微滑動(dòng)發(fā)生時(shí)必伴隨著滑面處顆粒間相對(duì)錯(cuò)動(dòng)、摩擦和土體裂紋展開，釋放出次聲信號(hào)，分析蠕滑時(shí)產(chǎn)生次聲波的規(guī)律和物理特征，包括頻率、幅度和信號(hào)能量等，明確這些特征的規(guī)律，對(duì)于土質(zhì)滑坡監(jiān)測(cè)預(yù)警具有重要的意義。本文通過(guò)實(shí)驗(yàn)的方法，對(duì)6組土質(zhì)坡體模型進(jìn)行了滑坡模擬實(shí)驗(yàn)，所使用的土樣取自重慶市奉節(jié)滑坡災(zāi)害區(qū)。奉節(jié)地處三峽庫(kù)區(qū)腹心，滑坡頻發(fā)，是重點(diǎn)災(zāi)害監(jiān)測(cè)區(qū)域。實(shí)驗(yàn)土樣為粉質(zhì)黏土，山區(qū)斜坡上的粉質(zhì)黏土在一定積水或重力條件下極易引發(fā)滑坡。因此，取該種土樣進(jìn)行實(shí)驗(yàn)，并對(duì)土質(zhì)滑坡臨滑前的特殊次聲信號(hào)進(jìn)行分析和探討，為實(shí)現(xiàn)利用次聲波對(duì)土質(zhì)滑坡災(zāi)害進(jìn)行監(jiān)測(cè)和預(yù)警作前期的數(shù)據(jù)積累。

1 實(shí)驗(yàn)過(guò)程及數(shù)據(jù)采集系統(tǒng)

1.1 實(shí)驗(yàn)過(guò)程

實(shí)驗(yàn)采用人工方式模擬土質(zhì)滑坡，實(shí)驗(yàn)?zāi)Ｐ腿鐖D1(a)所示。圖中水泥臺(tái)作為基礎(chǔ)，上表面設(shè)有凹槽，將黏土填入凹槽中，高出水泥臺(tái)平面的部分用模具堆積成斜坡形，并將所有黏土夯緊壓實(shí)，使之成為一體。剛性導(dǎo)管起到傳導(dǎo)聲波的作用，一端與傳感器相連，另一端預(yù)埋在坡體上部并壓實(shí)固定用以采集次聲信號(hào)。傳感器與數(shù)據(jù)采集傳輸儀通過(guò)信號(hào)線相連，如圖1(b)所示。

圖1 土質(zhì)滑坡模型示意圖Fig.1 Schematic of landslide mode

實(shí)驗(yàn)時(shí)，由千斤頂推動(dòng)推板將力均勻地作用在滑體上，用以模擬滑坡產(chǎn)生時(shí)滑體自身重力沿滑移方向的分力，緩慢施加推力直至滑體發(fā)生整體滑移為止，水泥臺(tái)的上表面即為滑坡滑移面。此過(guò)程中產(chǎn)生的信號(hào)由傳感器獲取，并通過(guò)數(shù)據(jù)采集傳輸儀采樣后上傳給上位機(jī)進(jìn)行處理分析。

1.2 數(shù)據(jù)采集傳輸系統(tǒng)

實(shí)驗(yàn)中數(shù)據(jù)采集傳輸系統(tǒng)是由次聲傳感器和數(shù)據(jù)采集傳輸儀組成。

次聲波測(cè)量?jī)x器采用中國(guó)科學(xué)院聲學(xué)研究所研制的IDS2016型次聲傳感器，該傳感器具有體積小、靈敏度高、對(duì)機(jī)械振動(dòng)不敏感、頻響好的優(yōu)點(diǎn)。其3 dB平穩(wěn)帶寬保持在0.5～200 Hz范圍內(nèi)，靈敏度為50 mV.Pa-1，在1～100 Hz頻率范圍內(nèi)靈敏度曲線平直，可以完全覆蓋滑坡產(chǎn)生次聲波的整個(gè)頻段，實(shí)際測(cè)量的傳感器頻率響應(yīng)特性曲線如圖2所示。次聲傳感器將滑坡時(shí)產(chǎn)生的聲波信號(hào)轉(zhuǎn)換成電信號(hào)，數(shù)據(jù)采集傳輸儀再將傳感器的電信號(hào)轉(zhuǎn)換成數(shù)字信號(hào)，通過(guò)無(wú)線網(wǎng)絡(luò)傳輸給上位機(jī)進(jìn)行分析處理，實(shí)驗(yàn)中，數(shù)據(jù)的采樣頻率設(shè)為100 Hz。

圖2 IDS2016型傳感器的頻率響應(yīng)曲線Fig.2 Frequency-response curve of type-IDS2016 sensor

1.3 背景噪聲分析

本實(shí)驗(yàn)為人工滑坡模擬實(shí)驗(yàn)，并非在消聲室內(nèi)進(jìn)行，實(shí)驗(yàn)場(chǎng)地附近難免會(huì)有噪聲干擾，實(shí)驗(yàn)過(guò)程中，在距離實(shí)驗(yàn)點(diǎn)50 m處有通風(fēng)機(jī)在運(yùn)行。對(duì)實(shí)驗(yàn)中的噪聲干擾進(jìn)行分析和識(shí)別是準(zhǔn)確獲取土質(zhì)滑坡時(shí)次聲信號(hào)特征的必要過(guò)程。

在千斤頂加載之前開啟數(shù)據(jù)采集傳輸儀，對(duì)背景噪聲進(jìn)行采集。圖3為背景噪聲的波形圖，將采集到的背景噪聲做快速傅里葉變換(Fast Fourier Transform，F(xiàn)FT)后得到其頻譜，結(jié)果如圖4所示。

圖3 背景噪聲波形圖Fig.3 Waveforms of background noise

圖4 背景噪聲頻譜Fig.4 Spectrum of background noise

從圖4中可以看出，背景噪聲的頻率主要集中在25 Hz和40 Hz附近，前面已經(jīng)提到實(shí)驗(yàn)現(xiàn)場(chǎng)不遠(yuǎn)處有通風(fēng)機(jī)在運(yùn)行，由此可以推斷主要的噪聲源為風(fēng)機(jī)噪聲。分析結(jié)果顯示，背景噪聲的頻率分布都在20 Hz以上，國(guó)內(nèi)外專家學(xué)者的研究表明，土質(zhì)滑坡時(shí)產(chǎn)生的信號(hào)頻率主要集中在0.1～32 Hz[7]。同時(shí)，本研究只關(guān)注信號(hào)的次聲部分，即20 Hz以下，因此，可以對(duì)信號(hào)進(jìn)行低通濾波處理。這里利用巴特沃斯濾波器對(duì)信號(hào)進(jìn)行處理，設(shè)置通帶截止頻率為20 Hz，阻帶截止頻率為25 Hz，通帶內(nèi)最大衰減為0.5 dB，阻帶衰減為30 dB。

圖5 濾波后背景噪聲波形圖Fig.5 Waveform of background noise after filtering

圖6 濾波后背景噪聲頻譜Fig.6 Spectrum of background noise after filtering

濾波處理后背景噪聲的波形和頻譜分別如圖5和圖6所示，由圖5可知，其平均聲壓幅值在-0.01～0.01 Pa之間。從圖6中可看出，波形平穩(wěn)，20 Hz以下無(wú)明顯干擾信號(hào)。

2 數(shù)據(jù)分析處理方法

傅里葉變換是信號(hào)分析最基本、最常用的方法，但是傳統(tǒng)的傅里葉變換是將時(shí)域上的全局信號(hào)轉(zhuǎn)換到頻域內(nèi)，無(wú)法觀察信號(hào)在特定時(shí)間內(nèi)頻域上的特性，即無(wú)法實(shí)現(xiàn)局部化分析。對(duì)于非平穩(wěn)信號(hào)，往往需要研究信號(hào)的某些局部頻率及其對(duì)應(yīng)的時(shí)間的變化規(guī)律，即進(jìn)行時(shí)頻聯(lián)合分析。因此，傳統(tǒng)傅里葉變換不再適用。時(shí)頻分析適合研究非平穩(wěn)信號(hào)，對(duì)于描述信號(hào)的頻譜隨時(shí)間的變化規(guī)律，有其不可替代的作用，是現(xiàn)代信號(hào)處理的研究熱點(diǎn)。

時(shí)頻分析最常用到的方法是短時(shí)傅里葉變換和小波變換。本研究中同時(shí)使用短時(shí)傅里葉變換和小波分解對(duì)得到的次聲信號(hào)進(jìn)行分析。短時(shí)傅里葉變換得到的時(shí)頻圖簡(jiǎn)單直觀；小波分析可以將信號(hào)進(jìn)行多尺度分解，有利于研究每個(gè)分層上信號(hào)的能量分布特性。兩種方法聯(lián)合使用，有利于準(zhǔn)確地獲取信號(hào)特性。

短時(shí)傅里葉變換(Short-Time Fourier Transform，STFT)的基本思想是：在時(shí)域上利用一個(gè)窗函數(shù)g(τ)去截取信號(hào)，被截取的信號(hào)在有限時(shí)間寬度內(nèi)是近似平穩(wěn)的，然后對(duì)該時(shí)間間隔內(nèi)的信號(hào)做傅里葉變換，不斷移動(dòng)窗函數(shù)位置，就可以得到不同時(shí)刻的傅里葉變換，實(shí)現(xiàn)局部化分析。設(shè)有一個(gè)信號(hào)其短時(shí)傅里葉變換定義為

1.2.2 消化系統(tǒng)感染 ①惡心嘔吐或腹痛腹瀉癥狀加重；②有下列任意兩項(xiàng)：a.發(fā)熱；b.周圍血白細(xì)胞升高；c.大便中可見紅細(xì)胞、白細(xì)胞或膿細(xì)胞；d.大便連續(xù)兩次培養(yǎng)出相同的病原菌。

由此可見，短時(shí)傅里葉變換物理意義明確，能夠給出簡(jiǎn)單直觀的時(shí)頻構(gòu)造。

小波變換是利用一個(gè)形狀可變的窗函數(shù)(即基小波)把信號(hào)分割成不同的頻率成分，然后再用分解的方法研究對(duì)應(yīng)尺度下的成分，有利于對(duì)信號(hào)的局部進(jìn)行分析。

對(duì)于任意平方可積的函數(shù)?(t) ，其傅里葉變換為Ψ(ω)，若Ψ(ω)滿足

則稱?(t) 為小波基函數(shù)。將小波基函數(shù)進(jìn)行伸縮和平移，得：

式中為一個(gè)小波序列，a為尺度因子，b為時(shí)間因子。若給定一個(gè)信號(hào)則其小波變換的定義為

3 實(shí)驗(yàn)結(jié)果分析

3.1 土質(zhì)滑坡次聲信號(hào)時(shí)頻分析

本次研究中共進(jìn)行6組土質(zhì)滑坡模型實(shí)驗(yàn)的信號(hào)采集，將數(shù)據(jù)經(jīng)過(guò)前文提到的濾波器處理后，得到土質(zhì)滑坡臨滑前的時(shí)域信號(hào)波形，如圖7所示，其中圖7(a)～7(d)為局部放大后的波形圖。由圖7可見，在滑坡產(chǎn)生的過(guò)程中有明顯的信號(hào)產(chǎn)生，對(duì)原始信號(hào)進(jìn)行短時(shí)傅里葉變換，得到信號(hào)的時(shí)頻圖，如圖8所示。

從圖8中可以看出，在發(fā)生土質(zhì)滑坡時(shí)會(huì)產(chǎn)生兩種明顯的特征信號(hào)：第一種是在47、125、205 s和281 s時(shí)，出現(xiàn)頻率為12.5 Hz的信號(hào)，且結(jié)合圖7中信號(hào)波形來(lái)看，該頻率信號(hào)出現(xiàn)時(shí)會(huì)有一個(gè)明顯的負(fù)壓波產(chǎn)生，如圖7中7(a)、7(b)、7(c)、7(d)所示，類似于突然卸載的力學(xué)特性；第二種是能量主要集中在 0.5～6 Hz范圍內(nèi)、頻帶相對(duì)較寬的次聲信號(hào)。在第一種特征信號(hào)出現(xiàn)前和出現(xiàn)后，都有第二種特征信號(hào)產(chǎn)生。根據(jù)滑坡蠕滑的規(guī)律可知[8]，滑體在滑移方向力的作用下，首先是滑體后緣先發(fā)生剪切斷裂，斷裂處顆粒產(chǎn)生錯(cuò)動(dòng)和摩擦，然后裂紋逐漸向滑體前緣拓展，當(dāng)滑體前緣發(fā)生剪切斷裂時(shí)，整個(gè)滑面貫通，然后滑坡產(chǎn)生整體滑動(dòng)。由蠕滑階段的發(fā)展規(guī)律推斷：頻率為12.5 Hz的信號(hào)為滑坡體裂紋擴(kuò)展的特征信號(hào)；頻率為0.5～6 Hz的信號(hào)為滑面處顆粒間相對(duì)錯(cuò)動(dòng)、摩擦的特征信號(hào)。

圖7 濾波后信號(hào)波形圖Fig.7 Signal waveforms after filtering

圖8 土質(zhì)滑坡實(shí)驗(yàn)時(shí)頻圖Fig.8 Time-frequency diagram of landslide test

3.2 土質(zhì)滑坡次聲信號(hào)能量特性分析

本文的研究中，信號(hào)的采樣頻率為100 Hz，即信號(hào)中存在的最高頻率為 50 Hz，這里利用選擇的db 6小波基將信號(hào)進(jìn)行4層分解，得到5個(gè)頻段，各個(gè)頻段的頻率范圍如表1所示。這種方式將關(guān)心的次聲部分成了4個(gè)頻段，有利于分析次聲各個(gè)頻段上的信號(hào)特征。

表1 信號(hào)4層分解后的頻率范圍Table 1 The frequency ranges after four-level decomposition

將圖7中的信號(hào)利用db 6小波基進(jìn)行4層分解后，得到近似分量和各層細(xì)節(jié)分量波形，如圖9所示。

從圖9可以看出，信號(hào)經(jīng)過(guò)4層小波分解后，在次聲部分仍然保持較為清晰的波形，除d1外其他各層信號(hào)幅值都在10-2數(shù)量級(jí)上，說(shuō)明信號(hào)在a4、d4、d3和d2上能量相對(duì)較高，含有較多信號(hào)的有效成分。為了進(jìn)行定量分析，下面計(jì)算各小波分解系數(shù)能量占總能量的百分比。

圖9 4層小波分解波形圖Fig.9 Waveforms after four-level wavelet decomposition

設(shè)信號(hào)的總能量為E，小波n層分解后的近似部分的能量為Ean、各層細(xì)節(jié)分量部分的能量為則有

那么，各個(gè)小波系數(shù)能量百分比可表示為

其中為第n層近似分量的能量占的百分比；為第j層細(xì)節(jié)分量的能量占的百分比，這里通過(guò)上述方法計(jì)算出實(shí)驗(yàn)中6組信號(hào)4層分解后各個(gè)頻段能量的百分比，如表2所示。

對(duì)照表1和表2可以看出，在土質(zhì)滑坡蠕滑階段會(huì)有次聲信號(hào)產(chǎn)生，在0～12.5 Hz頻段內(nèi)，信號(hào)能量占到總能量的80%以上。在12.5～20 Hz頻段內(nèi)的信號(hào)能量占比相對(duì)較少，在 0～3.125 Hz頻段內(nèi)的信號(hào)能量占比最高，在3.125～12.5 Hz頻段內(nèi)的信號(hào)能量分布相對(duì)比較均勻。

時(shí)頻分析的結(jié)果表明，信號(hào)能量集中的區(qū)域在0.5～6 Hz頻段和頻率12.5 Hz附近。結(jié)合兩個(gè)分析的結(jié)果可以得出，土質(zhì)滑坡蠕滑階段產(chǎn)生的信號(hào)確實(shí)為次聲信號(hào)，且信號(hào)頻率主要分布在 0.5～12.5 Hz之間，其中相對(duì)能量集中的兩個(gè)頻段在0.5～6 Hz和12.5 Hz附近。前文推斷了兩個(gè)頻段特征信號(hào)可能對(duì)應(yīng)的土質(zhì)滑坡蠕滑階段的兩種特征事件，可以作為土質(zhì)滑坡蠕滑的特征信號(hào)以供監(jiān)測(cè)參考，具體能否作為確定的特征信號(hào)進(jìn)行土質(zhì)滑坡災(zāi)害的監(jiān)測(cè)預(yù)警，還需要進(jìn)行更深一步的研究和驗(yàn)證。

4 結(jié) 論

(1) 土質(zhì)滑坡發(fā)生整體滑動(dòng)前會(huì)有次聲信號(hào)產(chǎn)生，經(jīng)過(guò)分析可知，次聲信號(hào)的能量主要分布在12.5 Hz及以下的頻帶范圍內(nèi)。

(2) 土質(zhì)滑坡的蠕滑階段會(huì)產(chǎn)生兩種特征的次聲信號(hào)：滑體內(nèi)部裂紋擴(kuò)展信號(hào)和滑面處顆粒間錯(cuò)動(dòng)、摩擦信號(hào)?；w內(nèi)部裂紋擴(kuò)展時(shí)產(chǎn)生的次聲信號(hào)的頻率主要集中在12.5 Hz附近；而錯(cuò)動(dòng)和摩擦?xí)r產(chǎn)生次聲信號(hào)的頻率主要集中在0.5～6 Hz頻段內(nèi)。這兩種信號(hào)可以作為土質(zhì)滑坡監(jiān)測(cè)的重要參考，但仍需要更深一步的驗(yàn)證。

(3) 顆粒錯(cuò)動(dòng)、摩擦的信號(hào)與裂紋擴(kuò)展信號(hào)交替出現(xiàn)，與土質(zhì)滑坡蠕滑階段的發(fā)展規(guī)律基本相符。

參考文獻(xiàn)

[1] LIU Dunlong, LENG Xiaopeng, WEI Fangqiang, et al. Monitoring and recognition of debris flow infrasonic signals[J]. Journal of Mountain Science, 2015, 12(4): 797-815.

[2] PANKOW K L, MOORE J R, HALE J M, et al. Massive landslide at Utah copper mine generates wealth of geophysical data[J]. Gsa Today, 2014, 24(1): 4-9.

[3] YAN Y, CUI P, CHEN S C, et al. Characteristics and interpretation of the seismic signal of a field-scale landslide dam failure experiment[J]. Journal of Mountain Science, 2017, 14(2): 219-236.

[4] 余小平, 庹先國(guó), 劉明哲, 等. 滑坡體臨滑聲發(fā)射監(jiān)測(cè)主機(jī)的設(shè)計(jì)[J]. 自動(dòng)化與儀表, 2011, 36(8): 21-24.YU Xiaoping, TUO Xianguo, LIU Mingzhe, et al. Design of acoustic emission monitoring host machine for landslide mass critical-sliding[J]. Instrument and Meter Plant, 2011, 36(8): 21-24.

[5] 任際周. 基于次聲波技術(shù)的滑坡監(jiān)測(cè)預(yù)警系統(tǒng)研究[D]. 成都: 成都理工大學(xué), 2012:1-20.REN Jizhou. Research of landslide monitoring early warming based on sonic technology[D]. Chengdu: Chengdu University of Technology, 2012: 1-20.

[6] 唐亞明. 陜北黃土滑坡風(fēng)險(xiǎn)評(píng)價(jià)及監(jiān)測(cè)預(yù)警技術(shù)方法研究[D]. 北京: 中國(guó)地質(zhì)大學(xué)(北京), 2012: 10-13.TANG Yaming. Methods on risk assessment and monitor & early-warning for the loess landslide in north of Shaanxi[D]. Beijing:China University of Geosciences (Beijing), 2012: 1-20.

[7] CHEN T C, LIN M L, WANG K L. Landslide seismic signal recognition and mobility of an earthquake-induced rockslide in Tsaoling, Taiwan[J]. Engineering Geology, 2014, 171(3): 31-44.

[8] 李守義, 廖元慶. 某工程庫(kù)區(qū)滑坡蠕滑特性分析[J]. 自然災(zāi)害學(xué)報(bào), 2009, 18(6): 135-140.LI Shouyi, LIAO Yuanqing. Creep behavior analysis of landslide in a project reservoir area[J]. Journal of Natural Disasters, 2009,18(6): 135-140.

[9] 徐洪, 陳正華, 周廷強(qiáng), 等. 基于小波分解的巖石破壞次聲信息特征研究[J]. 應(yīng)用聲學(xué), 2016, 35(3): 231-238.XU Hong, CHEN Zhenghua, ZHOU Tingqiang, et al. Characteristics analysis of infrasound before rock failure applying the wavelet decomposition[J]. Journal of Applied Acoustics, 2016, 35(3):231-238.

[10] 李瀟, 徐進(jìn)軍. 基于小波分析與LSSVM的滑坡變形預(yù)測(cè)[J]. 大地測(cè)量與地球動(dòng)力學(xué), 2009, 29(4): 127-130.LI Xiao, XU Jinjun. Landslide deformation prediction based on wavelet analysis and least square support vector machine[J]. Journal of Geodesy and Geodynamics, 2009, 29(4): 127-130.