雷夢茹,徐光黎,張?zhí)?薛孟奇,薛 媛,趙宏濤

(1.中國地質(zhì)大學(xué)(武漢),湖北 武漢 430074;2.中國地質(zhì)大學(xué)(武漢)地質(zhì)調(diào)查研究院,湖北 武漢 430074;3.中國地質(zhì)調(diào)查局南京地質(zhì)調(diào)查中心,江蘇 南京 210016)

滑坡等突發(fā)性地質(zhì)災(zāi)害頻發(fā),嚴(yán)重危害東南沿海人民群眾生命財產(chǎn)安全[1]。因此,提升滑坡成因機制研究、滑坡預(yù)測及預(yù)報技術(shù),對解決滑坡防治等難題具有重大的現(xiàn)實意義。在滑坡災(zāi)害研究過程中,尚敏等[2]、常亞婷等[3]針對不同滑坡成因機制進行分析,研究表明不同滑坡受所處地質(zhì)條件的差異影響,成因機制需針對具體滑坡開展針對性研究。同時,為了更有效預(yù)測滑坡發(fā)展趨勢,建立模型來分析、評價和預(yù)測滑坡穩(wěn)定性成為眾多學(xué)者的研究方向。目前,已形成眾多專業(yè)性的分析模型[4-5],如小波分析模型[6-8]、多因素回歸分析模型[9]、灰色理論模型[10-13]、人工神經(jīng)網(wǎng)絡(luò)模型[14-16]等,其中灰色GM(1,1)模型以其“小樣本、貧信息”的獨特優(yōu)勢被廣泛應(yīng)用于許多預(yù)測領(lǐng)域并取得了很好的效果。容靜等[17]提出了基于小波的GM(1,1)-AR模型,有效剔除了多余噪聲,預(yù)測結(jié)果更為精確。傳統(tǒng)的GM(1,1)模型在長期預(yù)測時,數(shù)據(jù)序列擬合較差,預(yù)測精度偏低。在實際工程應(yīng)用中,隨時將每一個新得到的數(shù)據(jù)置入系統(tǒng)中,建立新信息GM(1,1)模型,進行灰色動態(tài)新陳代謝GM(1,1)滑坡預(yù)測(簡稱MGM(1,1)模型),可以有效降低預(yù)測誤差。結(jié)合實際監(jiān)測數(shù)據(jù),運用灰色-馬爾科夫模型修正滑坡變形預(yù)測值,可以有效提高預(yù)測精度,灰色-馬爾科夫動態(tài)新陳代謝GM(1,1)模型(簡稱MGM(1,1)-MC模型)精度較高,預(yù)測誤差較小,有很好的工程應(yīng)用價值。

1 滑坡工程地質(zhì)概況

該巖質(zhì)滑坡隸屬金華市婺城區(qū)雅畈鎮(zhèn)(圖1)。原有自然地形坡度20°～40°,因工程施工等原因發(fā)生了極大的改變,山體南側(cè)開挖形成高陡邊坡,邊坡最大高度約60 m,總體坡度達(dá)69°,滑坡體內(nèi)沖溝發(fā)育,從西到東依次發(fā)育4條沖溝,深5～14 m,寬8～20 m,存在間隙性流水。

圖1 金華市某巖質(zhì)滑坡區(qū)域地質(zhì)圖Fig. 1 Regional geology of a rock landslide in Jinhua City

滑坡體平面形態(tài)總體呈馬蹄形,主滑方向總體向北,滑體厚度為15～30 m,軸線水平長約190 m,前緣寬約290 m,后緣寬約240 m,面積約5.5萬 m2(圖2)。滑體物質(zhì)主要為第四系(Q4)殘坡積土,厚度15～35 m,下白堊統(tǒng)西山頭組(K1x)流紋質(zhì)晶玻屑凝灰?guī)r,自身結(jié)構(gòu)面較發(fā)育,結(jié)構(gòu)雜亂,無統(tǒng)一性?；瑤挥谙掳讏捉y(tǒng)西山頭組(K1x)凝灰質(zhì)長石砂巖夾粉砂巖層內(nèi),該層與上下巖層的界面之間的結(jié)構(gòu)面,是潛在的較深層滑面。下伏地層主要為下白堊統(tǒng)高塢組(K1g)微風(fēng)化流紋質(zhì)晶屑凝灰?guī)r,地層裂隙較少,較完整,滑坡工程地質(zhì)剖面見圖3。

圖2 金華市某巖質(zhì)滑坡全貌圖Fig. 2 A full view of a rock landslide in Jinhua City

圖3 金華市某巖質(zhì)滑坡剖面圖Fig. 3 Cross-section of a rock landslide in Jinhua City

區(qū)內(nèi)水文條件較發(fā)育,具體特征如下:①地表水特征?；麦w范圍各個坡體的溝谷之間分布有自然沖溝,雨季形成水流。地表徑流條件好,受其影響,一般短暫的大雨,雨水多沿地表匯聚到?jīng)_溝里快速流走,入滲于地下的水量較小;短暫的小雨,雨水多在地表蒸發(fā),入滲到地下的水量亦較小。②地下水特征。坡體淺表含水層主要賦存于第四系殘坡積層,結(jié)構(gòu)松散,透水性較好。補給源以大氣降水為主,垂直下滲補給基巖裂隙水。地下水水位、水量動態(tài)變化較大,受氣候影響明顯。

總體來說,該滑坡區(qū)地形條件、水文條件及物源條件均較充足,易于形成滑坡。對其成因機制及發(fā)展趨勢研究具有重要意義。

2 滑坡形成機制及其破壞因素分析

該滑坡經(jīng)歷了自然斜坡-人工邊坡-滑坡復(fù)雜的演化過程。按照對斜坡、滑坡產(chǎn)生影響的作用形式,可分為內(nèi)在因素和外在因素兩個方面。內(nèi)在因素包括地形地貌、巖土體性質(zhì)、地質(zhì)構(gòu)造、坡體結(jié)構(gòu)特征、地應(yīng)力等,它們通常起著主要的控制作用。外在因素有人工切坡、地下水、大氣降雨、震動等,它們多是斜坡演化成滑坡的誘發(fā)、觸發(fā)因素。該滑坡的形成是受內(nèi)在因素(地形地貌、地層巖性和地質(zhì)構(gòu)造等)與外在因素(地下水作用、大氣降雨及人類活動等)綜合作用的結(jié)果。

2.1 內(nèi)在因素

(1)地形地貌。滑坡地貌類型屬丘陵地貌,自然地形坡度一般為20°～40°,坡面形態(tài)多呈凸形,在縱向上呈線性陡坡和相對緩坡的坡形組合模式。

(2)地層巖性組合?；卤砻嬗傻谒南邓缮埰路e物和全風(fēng)化層組成,其下為淺紫色流紋質(zhì)晶屑凝灰?guī)r、淺灰色英安質(zhì)晶玻屑熔結(jié)凝灰?guī)r等碎裂巖,裂隙面上見3～5 cm厚的綠泥石化夾層(圖3)。殘坡積物主要以碎石土、粉質(zhì)黏土夾碎石為主,夾碎塊石,呈黃褐色,表面風(fēng)化程度強烈,具有較強透水性,遇降水很難形成地表徑流,多直接下滲。下伏凝灰?guī)r屬于火山多次噴發(fā)堆積形成,噴發(fā)間歇期沉積了薄層泥巖、粉砂巖,或形成不同程度的風(fēng)化殼,且地層裂隙極為發(fā)育,呈碎裂巖,為降水提供良好的下滲通道,直達(dá)坡體內(nèi)部,在擠壓破碎帶與微風(fēng)化基巖面交界處遇阻匯聚,軟化、破壞交界面的強風(fēng)化凝灰?guī)r。凝灰?guī)r滑帶土物質(zhì)成分主要由長英礦物、絹云母、黏土礦物等親水礦物組成。在地下水的長期作用下,滑帶土強度會大幅度降低,加大滑坡失穩(wěn)的可能性。

(3)地質(zhì)構(gòu)造?；碌刭|(zhì)構(gòu)造是受燕山期構(gòu)造活動和喜山期構(gòu)造活動的影響,形成了一系列的構(gòu)造節(jié)理與負(fù)地貌?；伦?、右邊界明顯受近SN向大型節(jié)理(斷層)控制;后緣北山體被內(nèi)部廣泛發(fā)育的陡傾節(jié)理所切割而分離。坡體結(jié)構(gòu)為順層結(jié)構(gòu),產(chǎn)狀8°～330°∠17°～38°,流面(層面)密集,軟弱夾層或擠壓順層發(fā)育,平直,貫通性好。滑坡的邊界、切割面、滑動面與地層破碎程度均與區(qū)域地質(zhì)構(gòu)造密不可分,是構(gòu)成滑坡最重要的內(nèi)在因素。

滑坡在坡體淺部發(fā)現(xiàn)有一處結(jié)構(gòu)面連續(xù)貫通。結(jié)構(gòu)面的連續(xù)貫通為滑坡的發(fā)生發(fā)展提供了最為關(guān)鍵的條件,是滑坡發(fā)生的核心內(nèi)因。

2.2 外在因素

(1)人工切坡。該滑坡形成之前為自然斜坡,在長期自然地質(zhì)演化過程中處于自然平衡狀態(tài)。在歷次的地質(zhì)災(zāi)害調(diào)查中,并沒有發(fā)現(xiàn)此處存在該滑坡。后期為了工程修建需要,形成了高達(dá)近60 m的超高陡邊坡,總體坡度達(dá)69°。人工切坡在極短時間內(nèi)改變了原有坡體的應(yīng)力平衡。一方面,開挖坡腳使得原有埋藏在地下的構(gòu)造結(jié)構(gòu)面暴露出地表,為坡體剪出提供臨空條件;另一方面,開挖坡腳,卸荷減重,極大地改變了原地應(yīng)力場,為地層回彈提供了可能,會因此形成一個最大剪應(yīng)力增高帶,通常是邊坡中最容易發(fā)生變形破壞部位。在坡肩部位,在一定條件下,形成一個張力帶,地層容易被拉裂形成與坡面近于平行的拉裂面。

(2)地下水作用。地下水是影響邊坡穩(wěn)定最重要的外在因素,其對邊坡穩(wěn)定的影響重大。2號、3號和4號邊坡兩側(cè)均有沖溝發(fā)育(圖2),是地表水匯集、入滲之處。由于滑動面在在沖溝處埋深淺或者直接出露,地下水可以直接滲入到滑動面。地下水順坡向徑流,在第四系松散堆積物與基巖風(fēng)化帶接觸部位、強弱風(fēng)化界面以及與構(gòu)造破碎帶的接觸部位,因巖土滲透性的差異形成地下水作用的活躍帶,并發(fā)展成為斜坡破壞的潛在滑動面。地表水通過裂縫滲入滑坡巖土體中,多沿完整性較好的基巖頂面一帶滲流,水飽和后對滑面起到潤滑作用,軟化滑帶巖土體,形成軟弱結(jié)構(gòu)面(帶),為滑坡的滑動提供了有利的滑動介質(zhì)。

3 MGM(1,1)-MC模型構(gòu)建

MGM(1,1)-MC模型是將灰色系統(tǒng)理論和馬爾科夫理論相結(jié)合建立的預(yù)測模型,既解決了灰色模型對波動較大的數(shù)據(jù)樣本預(yù)測精度不高的缺陷,又彌補了馬爾科夫模型要求數(shù)據(jù)具備平穩(wěn)過程的局限性[18]。傳統(tǒng)GM(1,1)模型考慮的是在某一時刻t=t0時前期的所有數(shù)據(jù)建模,但隨著時間的推移,監(jiān)測工作越往后開展,系統(tǒng)將會受到更多新的擾動因素,這將對傳統(tǒng)的模型產(chǎn)生較大影響[19-20]。為了反映目前的系統(tǒng)特征,必須逐步降低老數(shù)據(jù)的信息意義,不斷補充新數(shù)據(jù)的信息意義,經(jīng)歷一個“新陳代謝”的過程,提高模型的預(yù)測精度。在此基礎(chǔ)上通過馬爾科夫模型對預(yù)測結(jié)果進行修正,提高預(yù)測精度,建立起MGM(1,1)-MC模型[21]。本滑坡監(jiān)測數(shù)據(jù)波動性較大,使用MGM(1,1)-MC模型可以有效減少數(shù)據(jù)波動,提高預(yù)測精度。

3.1 MGM(1,1)模型構(gòu)建

記x=(x(1),x(2),…x(n))其中x(i)表示為原始監(jiān)測點累計位移量觀測數(shù)值[22]。

步驟1:令x(0)為GM(1,1)建模序列,表示灰導(dǎo)數(shù),

x(0)=(x(0)(1),x(0)(2),…,x(0)(n)),

(1)

(2)

步驟2:令x(1)為x(0)的AGO序列,對x(0)作累加生成,即得到新的序列,

x(1)=(x(1)(1),x(1)(2),…,x(1)(n)),

(3)

x(1)(1)=x(0),

(4)

(5)

步驟3:令z(1)為x(1)的均值序列,表示白化背景值,

z(1)(k)=0.5x(1)(k)+0.5x(1)(k-1),

(6)

z(1)=(z(1)(2),z(1)(3),…,z(1)(n)),

(7)

得到GM(1,1)的灰微分方程模型為

x(0)(k)+az(1)(k)=b,

(8)

式中:a,b為待估計參數(shù),分別稱為發(fā)展灰度和內(nèi)生控制灰度。其中,

a=

b=

(9)

經(jīng)變換后得到

x(0)(k)=b-az(1)(k)。

(10)

步驟4:GM(1,1)模型的求解:在(9)兩端同時乘以eak得到

eakx(0)(k)=eakb-az(1)(k)eak,

(11)

可以推算得出時間函數(shù)x(1)(k+1)的估計值

(12)

以上即為GM(1,1)模型的建模過程,其中-a稱為發(fā)展系數(shù),b為灰色作用量。

步驟5:數(shù)據(jù)剔除與代謝。將原始序列第一個數(shù)據(jù)x0(1)剔除[23],引入新數(shù)x0(n+1),該數(shù)據(jù)序列與原始數(shù)據(jù)序列等維,在剔除最原始數(shù)據(jù)的基礎(chǔ)上又加入了等量的新數(shù)據(jù),對系統(tǒng)進行了新陳代謝,形成新的時間數(shù)據(jù)序列

x(0)=(x(0)(2),x(0)(3),…,x(0)(n+1))。

(13)

重復(fù)以上步驟,直到達(dá)到預(yù)期的預(yù)測目標(biāo)為止,上述過程稱為MGM(1,1)模型的預(yù)測過程。

3.2 灰色-馬爾科夫模型構(gòu)建

馬爾科夫模型可以依據(jù)目前事件狀態(tài)對未來時間段狀態(tài)進行預(yù)測,涉及到狀態(tài)、狀態(tài)轉(zhuǎn)移與馬爾科夫過程相應(yīng)的概念?；疑?馬爾科夫模型的創(chuàng)建步驟如下。

步驟1:狀態(tài)劃分。根據(jù)灰色MGM(1,1)模型對監(jiān)測點累計位移量預(yù)測值和實測值相對誤差序列進行計算,以此劃分h個狀態(tài)區(qū)間

Ei=[Ai,Bi](i=1,2,…,i)。

(14)

步驟2:通過狀態(tài)Ei經(jīng)過k步到狀態(tài)Ej轉(zhuǎn)移的次數(shù)為nij(k),出現(xiàn)狀態(tài)次數(shù)為ni,那么狀態(tài)Ei通過k步到狀態(tài)Ej中轉(zhuǎn)移的概率為

(15)

此模型轉(zhuǎn)移概率和初始狀態(tài)沒有關(guān)系,n×n階狀態(tài)轉(zhuǎn)移概率矩陣為

(16)

步驟3:h步狀態(tài)轉(zhuǎn)移概率矩陣為第一步狀態(tài)轉(zhuǎn)移概率矩陣h次方,也就是

(17)

MGM(1,1)模型沒有考慮步數(shù)調(diào)整、狀態(tài)轉(zhuǎn)移使模型預(yù)測過程滿足邊坡位移真實情況,使用灰色-馬爾科夫模型從而彌補灰色MGM(1,1)的模型問題,降低模型固有誤差,使預(yù)測精度得到提高,增加了有效預(yù)測時間。

4 滑坡發(fā)展變化趨勢預(yù)測

4.1 滑坡變形監(jiān)測數(shù)據(jù)

滑坡的變形監(jiān)測可以掌握滑坡的變形規(guī)律,確定滑體位移的速率和方向及其變形所處的階段,把握潛在失穩(wěn)滑坡的滑移面,為滑坡穩(wěn)定性分析和滑坡地質(zhì)災(zāi)害預(yù)警提供依據(jù)。故浙江省第三地質(zhì)大隊測繪院根據(jù)該滑坡地質(zhì)條件、現(xiàn)狀,通過設(shè)置監(jiān)測點、監(jiān)測墩對表層位移進行監(jiān)測、并通過深層水平位移監(jiān)測輔助確定滑帶位置。地表位移監(jiān)測自2019年10月30日至2020年5月30日,采用拓普康MS05AⅡ型全站儀,監(jiān)測方法為24 h定時全自動跟蹤測量,儀器后視歸零、前視照準(zhǔn)、讀數(shù)、計算、記錄等均為自動完成。監(jiān)測完成后,監(jiān)測數(shù)據(jù)通過合眾微程監(jiān)測軟件自動處理后,實時傳輸至PC終端并及時處理以確保監(jiān)測數(shù)據(jù)可靠度。為獲得深層水平位移監(jiān)測數(shù)據(jù),在主滑面上的8個鉆孔內(nèi)埋入測斜管,且在埋入測斜管后及時啟動監(jiān)測,保證了監(jiān)測數(shù)據(jù)的準(zhǔn)確性。在監(jiān)測方案布置實施過程中,根據(jù)現(xiàn)場實際情況,優(yōu)化調(diào)整工作布置,監(jiān)測點位置見圖4。

圖4 金華市某巖質(zhì)滑坡監(jiān)測點平面布置圖Fig. 4 Monitoring map of a rock landslide in Jinhua City

由于其中部分監(jiān)測點在應(yīng)急處置階段被破壞,監(jiān)測數(shù)據(jù)中斷,本文選擇較有代表性且監(jiān)測數(shù)據(jù)相對完整的J07和J16監(jiān)測點的監(jiān)測數(shù)據(jù)進行分析。以下為2019年10月至2020年5月按月提供的累計變形數(shù)據(jù)(表1)。

表1 金華市某巖質(zhì)滑坡累計水平位移(2019.10.30—2020.5.19)

4.2 MGM(1,1)-MC模型預(yù)測結(jié)果

按照MGM(1,1)模型的建模機理,以J07監(jiān)測點為例,首先以J07監(jiān)測點2019年11月份至2020年2月份累計位移作為原始數(shù)據(jù)測試集,據(jù)此建立該滑坡累計位移量序列

x(0)=(199.94,259.77,248.94,311.2),

(18)

作累加生成{1-(AGO)}序列

x(1)=(199.94,459.71,708.65,1 019.85)。

(19)

針對灰色白化方程并進行參數(shù)估計,其中參數(shù)估計結(jié)果如下:

α=(BTB)-1BTY=[-0.098,215.005 1]。

(20)

計算的時間相應(yīng)序列

(21)

遞推得還原時間響應(yīng)序列

2 386.0e0.098 352k(1-e0.098 352)。

(22)

對該數(shù)據(jù)序列分別進行提出代謝處理,得到基于MGM(1,1)模型對于該滑坡2019年11月份至2020年2月份累計位移量擬合值,以及2020年3月份累計位移量預(yù)測值。具體擬合預(yù)測結(jié)果及計算累計位移量實測值與預(yù)測值的相對誤差見表2,并據(jù)此進行馬爾科夫狀態(tài)區(qū)間劃分。

表2 MGM(1,1)模型累計位移量預(yù)測值及相對誤差

由表2可知:J07監(jiān)測點累計位移量實測值與MGM(1,1)模型預(yù)測值的相對誤差最大為5.07%,最小為-13.33%。因此,馬爾科夫模型的相對誤差范圍為[-13,6]。J16監(jiān)測點累計位移量實測值與MGM(1,1)模型預(yù)測值的相對誤差最大為7.29%,最小為-10.51%。因此,馬爾科夫模型的相對誤差范圍為[-11,8]。據(jù)此將馬爾科夫狀態(tài)分別劃分為4個區(qū)間(表3)。

表3 金華市某巖質(zhì)滑坡狀態(tài)劃分標(biāo)準(zhǔn)

此處以表2中J07監(jiān)測點累計位移量預(yù)測值以及狀態(tài)劃分區(qū)間為例,可得到J07監(jiān)測點累計位移量的1—4步狀態(tài)轉(zhuǎn)移概率矩陣如下,同理可得J16監(jiān)測點狀態(tài)轉(zhuǎn)移概率矩陣:

馬爾科夫狀態(tài)劃分為4個,故選擇距離預(yù)測時間(2020年6月19日)最近的4組數(shù)據(jù)進行預(yù)測,在轉(zhuǎn)移概率矩陣中挑選初始狀態(tài)所對應(yīng)的行向量組成概率轉(zhuǎn)移矩陣,對相應(yīng)的新矩陣列向量求和,其中最大值則是2020年6月19日累計位移預(yù)測值所對應(yīng)的狀態(tài),如表4所示。

表4 金華市某巖質(zhì)滑坡狀態(tài)預(yù)測計算結(jié)果

灰色-馬爾科夫模型充分考慮概率問題的未來發(fā)生情況,將灰色理論作為基礎(chǔ)提出了修正系數(shù)。MGM(1,1)模型2020年6月19日的累計位移量預(yù)測值與修正系數(shù)相乘即可得出MGM(1,1)-MC模型2020年6月19日的累計位移預(yù)測值。

β=1+θ,

(23)

其中,β為修正系數(shù);θ為預(yù)測狀態(tài)區(qū)間中值。以灰色-馬爾科夫模型的劃分原則,使J07誤差值劃分成為[-15,-10),[-10,-5),[-5,0),[0,-8)4個區(qū)間,J16誤差值劃分成為[-11,-2),[-2,0),[0,2),[2,8)4個區(qū)間,表5為各狀態(tài)下的β值。

表5 金華市某巖質(zhì)滑坡β值

從表4的合計結(jié)果可以看出,J07和J16監(jiān)測點最大值對應(yīng)的狀態(tài)均為E4。監(jiān)測點最大值對應(yīng)的狀態(tài)為狀態(tài)4。J07和J16監(jiān)測點MGM(1,1)模型的2020年6月19日位移預(yù)測值所處的修正區(qū)間分別為[0,-8)和[2,8),是利用狀態(tài)區(qū)間中位數(shù)作為未來時刻預(yù)測值的相對值,求取修正后的預(yù)測值。因此,J07和 J16監(jiān)測點的MGM(1,1)-MC模型的2020年6月19日位移預(yù)測值分別為336.84×1.04=356.31 mm和316.06×1.05=336.87 mm。

4.3 數(shù)據(jù)結(jié)果分析

按照馬爾科夫修正過程,分別建立J07和J16監(jiān)測點MGM(1,1)-MC模型。以Matlab2018軟件為平臺,編寫計算方法的相關(guān)程序,并計算2個監(jiān)測點的累計位移量預(yù)測值。J07和J16監(jiān)測點的3種模型預(yù)測結(jié)果見表6,3種模型的數(shù)據(jù)與實測數(shù)據(jù)曲線比較圖見圖5、圖6。

從表6中可以看出,J07監(jiān)測點的MGM(1,1)-MC模型的預(yù)測值平均絕對誤差2.82 mm遠(yuǎn)小于GM(1,1)模型以及MGM(1,1)模型的預(yù)測值平均絕對誤差;J16監(jiān)測點的MGM(1,1)-MC模型的預(yù)測值平均絕對誤差3.71 mm小于GM(1,1)模型以及MGM(1,1)模型的預(yù)測值平均絕對誤差;同時,從圖5與圖6中可以看出,2個監(jiān)測點的MGM(1,1)-MC模型的數(shù)據(jù)與實測值曲線擬合效果最好。從2個監(jiān)測點的預(yù)測值可以看出,MGM(1,1)-MC模型的預(yù)測值更具參考價值。

表6 金華市某巖質(zhì)滑坡3種模型預(yù)測結(jié)果對比統(tǒng)計結(jié)果

圖5 金華市某巖質(zhì)滑坡J07監(jiān)測點累計位移量圖Fig. 5 A comparison graph of the model predication values and the measured values of the J07 monitoring point of a rock landslide in Jinhua City

圖6 金華市某巖質(zhì)滑坡J16監(jiān)測點累計位移量圖Fig. 6 A comparison graph of the model predication values and the measured values of the J16 monitoring point of a rock landslide in Jinhua City

4.4 發(fā)展趨勢預(yù)測

根據(jù)預(yù)測數(shù)據(jù)可以發(fā)現(xiàn)截止2020年6月19日的預(yù)測累計位移值依舊在攀升,滑坡趨于不穩(wěn)定狀態(tài)。結(jié)合實際情況可知,該滑坡在2019年10月19日發(fā)生之后,在坡腳做了壓腳處置,并在坡頂做了削坡處理,有效緩解了該滑坡體的滑動。依據(jù)應(yīng)急處置階段的坡面變形監(jiān)測數(shù)據(jù),坡體變形依然存在,整個滑坡體沒有達(dá)到穩(wěn)定狀態(tài)。同時應(yīng)急處置采取的壓腳為松散土體,在暴雨下會逐步滑塌,不能直接作為防護措施使用。因此,滑坡體沒有達(dá)到穩(wěn)定,一方面在暴雨天氣壓腳坡體會滑塌崩解,另一方面降雨會持續(xù)地間歇性促使下滑力增大,使滑坡體變形下滑的可能性明顯增大,從而有可能演變成二次滑坡,因此實施治理非常有必要。

5 結(jié)論

(1)該滑坡成因較為復(fù)雜,是固有因素與誘發(fā)因素綜合作用下的結(jié)果,即在內(nèi)部貫通結(jié)構(gòu)面存在的前提下,由外部因素(如人工切坡、地下水活動等)誘發(fā)產(chǎn)生的。

(2)利用馬爾科夫理論可以修正預(yù)測數(shù)據(jù)的擾動性,本文將MGM(1,1)模型與馬爾科夫理論耦合起來,建立了MGM(1,1)-MC模型,并應(yīng)用于滑坡的變形監(jiān)測中。結(jié)果表明,MGM(1,1)-MC模型的預(yù)測穩(wěn)定性和精度都要優(yōu)于灰色GM(1,1)和MGM(1,1)模型預(yù)測結(jié)果,有效地克服了以往預(yù)測模型中信息不關(guān)聯(lián)和因素擾動性大的缺陷。本文建立的MGM(1,1)-MC模型應(yīng)根據(jù)實測數(shù)據(jù),及時更新建模數(shù)據(jù),用最新的、更可靠的數(shù)據(jù)建立預(yù)測模型。

(3)根據(jù)預(yù)測數(shù)據(jù)可以發(fā)現(xiàn)截止2020年6月19日的預(yù)測累計位移值依舊在攀升,滑坡趨于不穩(wěn)定狀態(tài)。已有應(yīng)急處置采取的壓腳為松散土體,在暴雨天氣會逐步滑塌,不能直接作為防護措施使用。因此,滑坡體沒有達(dá)到穩(wěn)定,在各種因素共同作用下可能會演變成二次滑坡,實施治理非常有必要。