鄧小鵬，相興華，王小敏

(山西能源學(xué)院，山西 晉中 030600)

0 引 言

三峽庫(kù)區(qū)滑坡災(zāi)害較為發(fā)育，加之三峽工程的修建進(jìn)一步誘發(fā)、復(fù)活了大量滑坡。其中，涉水滑坡已達(dá)2 000余處，開(kāi)展三峽庫(kù)區(qū)涉水滑坡研究具有重要意義[1-3]。目前，已有許多學(xué)者開(kāi)展了滑坡災(zāi)害研究，在滑坡參數(shù)研究方面，朱雷等[4]在室內(nèi)試驗(yàn)成果基礎(chǔ)上，利用數(shù)值模擬分析研究了滑帶參數(shù)對(duì)滑坡穩(wěn)定性的動(dòng)態(tài)影響，有效掌握了滑坡穩(wěn)定性的動(dòng)態(tài)變化過(guò)程；段釗等[5]通過(guò)滑坡特征參數(shù)統(tǒng)計(jì)，分析了滑坡成因機(jī)制，為滑坡災(zāi)害防治提供了一定參考。上述研究雖不同程度的開(kāi)展了滑坡參數(shù)分析，但均未涉及滑坡參數(shù)弱化機(jī)理分析，存在一定不足，仍需進(jìn)一步拓展研究?；伦冃伪O(jiān)測(cè)是其防治的必要手段，基于其成果基礎(chǔ)上的變形預(yù)測(cè)研究具有較強(qiáng)的實(shí)用價(jià)值。黃曉虎等[6]基于滑坡變形數(shù)據(jù)，構(gòu)建了滑坡變形預(yù)警模型，奠定了滑坡災(zāi)害臨災(zāi)預(yù)警的理論基礎(chǔ)。上述研究雖利用不同方法構(gòu)建了滑坡變形預(yù)測(cè)模型，但所用方法較為單一，缺乏變形數(shù)據(jù)含有的誤差信息分析。同時(shí)，隨著變形理論基礎(chǔ)的發(fā)展，新型預(yù)測(cè)模型應(yīng)運(yùn)而生。其中，長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)具有長(zhǎng)序列預(yù)測(cè)優(yōu)勢(shì)，在滑坡變形預(yù)測(cè)中具有較強(qiáng)的適用性，但由于其應(yīng)用相對(duì)較少，進(jìn)而仍需進(jìn)一步實(shí)例研究，以驗(yàn)證其預(yù)測(cè)效果[7]。

為準(zhǔn)確掌握涉水滑坡參數(shù)弱化機(jī)理及其變形發(fā)展規(guī)律，本文以樹(shù)坪滑坡為工程背景，先結(jié)合其變形特征開(kāi)展巖土體參數(shù)弱化機(jī)理分析，再利用Morlet復(fù)小波分離滑坡變形數(shù)據(jù)含有的誤差信息，并結(jié)合灰色模型和長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)構(gòu)建其變形預(yù)測(cè)模型，以期為滑坡穩(wěn)定性評(píng)價(jià)提供參考。

1 基本原理

該文思路主要包含2部分內(nèi)容，其一，基于滑坡變形特征及區(qū)域地質(zhì)條件基礎(chǔ)上的巖土體參數(shù)弱化機(jī)理分析；其二，基于滑坡變形監(jiān)測(cè)成果基礎(chǔ)上的變形預(yù)測(cè)研究。值得指出的是，受監(jiān)測(cè)條件、環(huán)境等因素的影響，滑坡變形數(shù)據(jù)往往含有一定的誤差信息，進(jìn)而滑坡變形數(shù)據(jù)可按其變形性質(zhì)進(jìn)行分離，即

Y(t)=γ(t)+ε(t)

(1)

式中，Y(t)為滑坡變形實(shí)測(cè)值；γ(t)為趨勢(shì)項(xiàng)值；ε(t)為周期項(xiàng)值；t為時(shí)間節(jié)點(diǎn)

由于滑坡變形趨勢(shì)項(xiàng)及周期項(xiàng)含有的信息差異，使得其變形預(yù)測(cè)也應(yīng)進(jìn)行分項(xiàng)設(shè)置。因此，本文變形預(yù)測(cè)部分又可進(jìn)一步細(xì)分為3個(gè)階段，即先利用Morlet復(fù)小波實(shí)現(xiàn)滑坡變形數(shù)據(jù)誤差信息的分離；再利用灰色模型和長(zhǎng)短時(shí)記憶神經(jīng)網(wǎng)絡(luò)(Long Short Term Memory Network，LSTM)分別構(gòu)建趨勢(shì)項(xiàng)和周期項(xiàng)的預(yù)測(cè)模型；兩者結(jié)果疊加即為滑坡變形的最終預(yù)測(cè)值。

1.1 信息分離效果指標(biāo)的構(gòu)建

常用的分離效果評(píng)價(jià)指標(biāo)有信噪比、均方根誤差及平滑度等指標(biāo)。由于各類指標(biāo)含義存在一定差異，本文以上述3個(gè)指標(biāo)為基礎(chǔ)指標(biāo)，構(gòu)建分離效果評(píng)價(jià)的綜合指標(biāo)，且為避免各基礎(chǔ)指標(biāo)的單位影響，將綜合指標(biāo)設(shè)置為3個(gè)基礎(chǔ)指標(biāo)的歸一化累加值，即

p=gx+gj+gp

(2)

式中，p為綜合評(píng)價(jià)指標(biāo)；gx、gj、gp分別為信噪比、均方根誤差、平滑度指標(biāo)的歸一化值。根據(jù)p值大小判斷趨勢(shì)項(xiàng)和周期項(xiàng)的分離效果，即p值越大，分離效果越好；反之，分離效果越差。

1.2 長(zhǎng)短時(shí)記憶神經(jīng)網(wǎng)絡(luò)的優(yōu)化處理

LSTM模型雖具有較強(qiáng)的預(yù)測(cè)能力，但其隱層節(jié)點(diǎn)數(shù)、隱含層數(shù)及窗口大小等參數(shù)需人為設(shè)定，受使用者經(jīng)驗(yàn)影響較為嚴(yán)重，缺乏客觀性，進(jìn)而有必要對(duì)上述參數(shù)進(jìn)行優(yōu)化處理，以保證模型參數(shù)的最優(yōu)性。

(1)隱層節(jié)點(diǎn)數(shù)優(yōu)化。在傳統(tǒng)神經(jīng)網(wǎng)絡(luò)中，常利用經(jīng)驗(yàn)公式確定隱層節(jié)點(diǎn)數(shù)，即

(3)

式中，j為隱層節(jié)點(diǎn)數(shù)的經(jīng)驗(yàn)值；m、n分別為輸入、輸出層節(jié)點(diǎn)數(shù)。為確定最優(yōu)隱層節(jié)點(diǎn)數(shù)，在式(3)確定經(jīng)驗(yàn)值的基礎(chǔ)上，對(duì)其取值區(qū)間進(jìn)行適當(dāng)拓展，并對(duì)拓展范圍內(nèi)的所有隱層節(jié)點(diǎn)數(shù)進(jìn)行預(yù)測(cè)效果試算，將預(yù)測(cè)效果最優(yōu)者作為本文LSTM模型的隱層節(jié)點(diǎn)數(shù)。

(2)隱含層數(shù)及窗口大小參數(shù)優(yōu)化。由于上述2個(gè)參數(shù)取值具范圍特征，難以通過(guò)試算確定最優(yōu)參數(shù)。鑒于遺傳算法(Genetic Algorithm，GA)具有較強(qiáng)的全局優(yōu)化能力，進(jìn)而利用其實(shí)現(xiàn)LSTM模型隱含層數(shù)及窗口大小參數(shù)的優(yōu)化處理。

2 實(shí)例分析

2.1 工程概況

樹(shù)坪滑坡隸屬湖北省秭歸縣沙鎮(zhèn)溪鎮(zhèn)，位于三峽工程上游約47 km處，坡體上部有公路直達(dá)，交通較為便利。據(jù)現(xiàn)場(chǎng)勘察成果，滑坡縱向長(zhǎng)約800 m，寬約700 m，平均厚約50 m，體積約2 750萬(wàn)m3，屬超深層巨型滑坡。樹(shù)坪滑坡局部變形開(kāi)始于1996年，加之受2003年三峽工程蓄水影響，滑坡歷年變形不斷，主要變現(xiàn)為前緣岸坡坍塌和周邊拉張裂縫。受地表沖溝及變形邊界影響，樹(shù)坪滑坡可近似由中部劃分為左、右側(cè)2個(gè)變形體。為切實(shí)掌握樹(shù)坪滑坡的變形狀態(tài)，對(duì)其進(jìn)行了地表位移監(jiān)測(cè)，共計(jì)布設(shè)6個(gè)監(jiān)測(cè)點(diǎn)，按2個(gè)縱向布置，每縱排均是3個(gè)監(jiān)測(cè)點(diǎn)。左側(cè)變形體中部布設(shè)1縱排，編號(hào)由前緣至后緣分別為ZG88～ZG90。右側(cè)變形體中部也布設(shè)1縱排，編號(hào)由前緣至后緣分別為ZG85～ZG87。監(jiān)測(cè)頻率設(shè)置為1次/月。斷面布置見(jiàn)圖1。

圖1 監(jiān)測(cè)點(diǎn)布置斷面

2.2 滑坡巖土體參數(shù)弱化機(jī)理分析

2.2.1降雨

降雨是樹(shù)坪滑坡復(fù)活的重要誘發(fā)因素，對(duì)巖土體參數(shù)的弱化機(jī)理也較為復(fù)雜，主要分為以下4個(gè)方面：

(1)水土化學(xué)弱化機(jī)理。降雨入滲增加了滑坡巖土體的含水量，易溶解可溶鹽類，且在溶解后不同鹽類之間發(fā)生復(fù)雜化學(xué)反應(yīng)，致使某些離子脫離原有結(jié)構(gòu)，弱化了原土體的膠結(jié)強(qiáng)度，提高了土體壓縮系數(shù)及透水能力，造成壓縮模量及抗剪參數(shù)降低。

(2)水土物理弱化機(jī)理。坡體含有大量粘土礦物，吸水后會(huì)產(chǎn)生膨脹，產(chǎn)生礦物微裂隙，待其貫穿，會(huì)降低土體完整性；同時(shí)，降雨入滲會(huì)引發(fā)土體飽和度變化，弱化土體的抗剪參數(shù)及泊松比等參數(shù)。

(3)水土力學(xué)弱化機(jī)理。由于滑坡土體含有大量粘粒，其表面會(huì)吸附大量離子，降雨入滲會(huì)促使粘粒表面的離子交換，且粒子隨滲流流動(dòng)，改變了其對(duì)不同離子的吸附能力；兩者相互作用，改變粘粒表面的電層分布及親水性，進(jìn)而改變粘粒的物理力學(xué)性質(zhì)。

(4)耦合作用機(jī)理。在實(shí)際過(guò)程中，上述3個(gè)機(jī)理相互循環(huán)作用，即其相互之間具有耦合作用。如水化學(xué)作用促使土體礦物成分出現(xiàn)化學(xué)反應(yīng)，形成新的滲流通道，利于水物理作用的發(fā)生；水物理作用又會(huì)增加微裂隙，增加土水接觸面積，為水化學(xué)反應(yīng)提供便利。

2.2.2庫(kù)水位波動(dòng)

為滿足三峽工程正常運(yùn)營(yíng)需要庫(kù)區(qū)水位會(huì)出現(xiàn)周期性波動(dòng)，其對(duì)滑坡前緣巖土體參數(shù)的弱化作用較為明顯，主要作用機(jī)理如下：

(1)高水位時(shí)，水體對(duì)前緣土體浸泡，改變了土體含水量及粘粒間的連接能力，減弱土體之間的抗剪參數(shù)，造成其參數(shù)弱化；同時(shí)，由于浮托力的減重效應(yīng)，也會(huì)改變土體受力狀態(tài)，進(jìn)而對(duì)土體參數(shù)造成弱化影響。

(2)庫(kù)水位淘蝕前緣岸坡，易造成岸坡坍塌，并在其坡肩形成局部拉張裂縫，降低土體完整性，進(jìn)而減弱其抗剪參數(shù)。

(3)由于庫(kù)水位周期性波動(dòng)，會(huì)使滑坡參數(shù)出現(xiàn)周期性變化，造成滑坡參數(shù)疲勞減弱，尤其是抗剪參數(shù)向減弱方向發(fā)展。

2.2.3人類工程活動(dòng)

樹(shù)坪滑坡區(qū)內(nèi)人類工程活動(dòng)較為強(qiáng)烈，主要表現(xiàn)為公路修建、房屋建設(shè)、農(nóng)業(yè)耕種等，易改變滑坡地表的局部地形地貌，致使出現(xiàn)局部變形破壞，減弱局部土體的完整性，進(jìn)而降低其結(jié)構(gòu)參數(shù)。

2.3 變形預(yù)測(cè)

據(jù)監(jiān)測(cè)成果，樹(shù)坪滑坡6個(gè)監(jiān)測(cè)點(diǎn)變形見(jiàn)圖2。以ZG85監(jiān)測(cè)點(diǎn)為例，詳述各階段的預(yù)測(cè)效果；同時(shí)，在預(yù)測(cè)過(guò)程中，以1～44周期為訓(xùn)練樣本，45～49周期為驗(yàn)證樣本，并外推預(yù)測(cè)4個(gè)周期。

圖2 滑坡變形

2.3.1信息分離處理

先利用Morlet復(fù)小波對(duì)滑坡數(shù)據(jù)進(jìn)行信息分離處理，且為驗(yàn)證該方法的有效性，也利用部分db、sym小波函數(shù)進(jìn)行類似處理，得到db小波的綜合評(píng)價(jià)指標(biāo)p值為2.630，sym小波的綜合評(píng)價(jià)指標(biāo)p值為2.580，而Morlet復(fù)小波的綜合評(píng)價(jià)指標(biāo)p值為2.791，明顯優(yōu)于前兩者，說(shuō)明該文利用Morlet復(fù)小波進(jìn)行滑坡變形數(shù)據(jù)的信息分離是可行的。

2.3.2變形預(yù)測(cè)研究

首先，對(duì)右側(cè)變形體的ZG85監(jiān)測(cè)點(diǎn)進(jìn)行預(yù)測(cè)研究，得其趨勢(shì)項(xiàng)預(yù)測(cè)結(jié)果，見(jiàn)表1。從表1可知，趨勢(shì)項(xiàng)預(yù)測(cè)結(jié)果的最大相對(duì)誤差為2.48%，平均相對(duì)誤差為2.32%，訓(xùn)練時(shí)間為41.28 ms，具有較優(yōu)的預(yù)測(cè)精度，驗(yàn)證了GM(1，1)模型在樹(shù)坪滑坡趨勢(shì)項(xiàng)預(yù)測(cè)中的適用性。

表1 ZG85監(jiān)測(cè)點(diǎn)趨勢(shì)項(xiàng)預(yù)測(cè)結(jié)果

根據(jù)經(jīng)驗(yàn)公式計(jì)算得到LSTM模型隱層節(jié)點(diǎn)數(shù)的經(jīng)驗(yàn)值為14，對(duì)其取值范圍進(jìn)行適當(dāng)拓展，確定其隱層節(jié)點(diǎn)數(shù)的試算區(qū)間為12～16。各隱層節(jié)點(diǎn)數(shù)的預(yù)測(cè)效果見(jiàn)表2。從表2可知，不同隱層節(jié)點(diǎn)數(shù)的預(yù)測(cè)效果存在明顯差異，驗(yàn)證了隱層節(jié)點(diǎn)數(shù)篩選的必要性；在預(yù)測(cè)結(jié)果中，隨著隱層節(jié)點(diǎn)數(shù)的增加，平均相對(duì)誤差呈先減小后增加趨勢(shì)，且當(dāng)隱層節(jié)點(diǎn)數(shù)為15時(shí)的預(yù)測(cè)精度相對(duì)最優(yōu)；訓(xùn)練時(shí)間具持續(xù)增加趨勢(shì)，其原因?yàn)橛捎陔[層節(jié)點(diǎn)數(shù)增加，會(huì)增加網(wǎng)絡(luò)結(jié)構(gòu)的復(fù)雜性，進(jìn)而增加訓(xùn)練時(shí)間。鑒于訓(xùn)練時(shí)間均相對(duì)較短，且為保證預(yù)測(cè)精度，確定本文LSTM模型的隱層節(jié)點(diǎn)數(shù)為15。

表2 隱層節(jié)點(diǎn)數(shù)篩選結(jié)果

利用遺傳算法優(yōu)化隱含層數(shù)及窗口大小參數(shù)，得其優(yōu)化前后的預(yù)測(cè)結(jié)果，見(jiàn)表3。從表3可知，在相應(yīng)驗(yàn)證節(jié)點(diǎn)處，經(jīng)遺傳算法的參數(shù)優(yōu)化，相對(duì)誤差值均出現(xiàn)不同程度減小，且GA-LSTM模型預(yù)測(cè)結(jié)果的平均相對(duì)誤差為1.75%，訓(xùn)練時(shí)間為37.46 ms，均低于初步優(yōu)化預(yù)測(cè)結(jié)果的2.29%和49.21 ms?？梢?jiàn)，遺傳算法優(yōu)化不僅能提高預(yù)測(cè)精度，還能節(jié)約訓(xùn)練時(shí)間，且其預(yù)測(cè)精度較高，初步驗(yàn)證了本文預(yù)測(cè)模型的有效性；同時(shí)，通過(guò)外推預(yù)測(cè)，得出ZG85監(jiān)測(cè)點(diǎn)的變形仍將繼續(xù)增加。

表3 ZG85監(jiān)測(cè)點(diǎn)預(yù)測(cè)結(jié)果統(tǒng)計(jì)

根據(jù)前述，通過(guò)ZG85監(jiān)測(cè)點(diǎn)的預(yù)測(cè)過(guò)程，已初步驗(yàn)證了本文預(yù)測(cè)方法的有效性。為進(jìn)一步驗(yàn)證本文預(yù)測(cè)模型的有效性及分析樹(shù)坪滑坡的變形趨勢(shì)，再對(duì)其他監(jiān)測(cè)點(diǎn)進(jìn)行預(yù)測(cè)研究。滑坡右側(cè)ZG86和ZG87監(jiān)測(cè)點(diǎn)的預(yù)測(cè)結(jié)果見(jiàn)表4。從表4可知，ZG86監(jiān)測(cè)點(diǎn)的最大、最小相對(duì)誤差分別為2.11%和1.49%，平均相對(duì)誤差為1.79%，訓(xùn)練時(shí)間為31.82 ms；ZG87監(jiān)測(cè)點(diǎn)的最大、最小相對(duì)誤差分別為2.03%和1.63%，平均相對(duì)誤差為1.83%，訓(xùn)練時(shí)間為35.49 ms。兩者預(yù)測(cè)精度及訓(xùn)練時(shí)間相當(dāng)，與ZG85監(jiān)測(cè)點(diǎn)的預(yù)測(cè)效果一致，驗(yàn)證了本文預(yù)測(cè)模型的有效性；同時(shí)，2個(gè)監(jiān)測(cè)點(diǎn)的外推預(yù)測(cè)結(jié)果也呈增加趨勢(shì)，無(wú)明顯收斂跡象。

表4 ZG86、ZG87監(jiān)測(cè)點(diǎn)的預(yù)測(cè)結(jié)果

類比前述，再對(duì)滑坡左側(cè)3個(gè)監(jiān)測(cè)點(diǎn)進(jìn)行預(yù)測(cè)研究，預(yù)測(cè)結(jié)果見(jiàn)表5。從表5可知，ZG88～ZG90監(jiān)測(cè)點(diǎn)的平均相對(duì)誤差為1.69%～1.92%，訓(xùn)練時(shí)間為35.73～40.19 ms，具有較高的預(yù)測(cè)精度，再次驗(yàn)證了本文預(yù)測(cè)模型的有效性，且3個(gè)監(jiān)測(cè)點(diǎn)的外推預(yù)測(cè)也呈增加趨勢(shì)。

表5 滑坡左側(cè)監(jiān)測(cè)點(diǎn)預(yù)測(cè)結(jié)果

綜上，本文預(yù)測(cè)模型不僅具有較高的預(yù)測(cè)精度，還具有很好的穩(wěn)定性，且各監(jiān)測(cè)點(diǎn)的外推預(yù)測(cè)均呈增加趨勢(shì)，且無(wú)收斂跡象，得出樹(shù)坪滑坡穩(wěn)定性趨于向不穩(wěn)定方向發(fā)展。

3 結(jié) 語(yǔ)

本文基于庫(kù)區(qū)涉水滑坡的巖土體參數(shù)弱化機(jī)理分析，并對(duì)其變形預(yù)測(cè)進(jìn)行了研究。巖土體參數(shù)弱化主要是受外部誘發(fā)因素影響，其中，降雨、庫(kù)水位波動(dòng)及人類工程活動(dòng)是參數(shù)弱化的主要成因，其作用機(jī)理包括水土物理弱化、水土化學(xué)弱化、水土力學(xué)弱化及耦合作用等。涉水滑坡外部誘因相對(duì)較多，使得其變形數(shù)據(jù)所含信息也存在分項(xiàng)特征，分項(xiàng)預(yù)測(cè)能有效保證其預(yù)測(cè)效果。通過(guò)實(shí)例驗(yàn)算， GA-LSTM模型在滑坡變形預(yù)測(cè)中具有較高的預(yù)測(cè)精度，驗(yàn)證了該方法的適用性和有效性。