朱鴻鵠 王 佳 李厚芝 葉 霄 施 斌 張 勤

(①南京大學地球科學與工程學院，南京 210023，中國)(②南京大學(蘇州)高新技術研究院，蘇州 215123，中國)(③中國地質調(diào)查局探礦工藝研究所，成都 611734，中國)(④長安大學地質工程與測繪學院，西安 710054，中國)

0 引 言

滑坡是一類體量巨大且危害嚴重的地質災害，其變形和破壞常常會帶來災難性的經(jīng)濟損失和人員傷亡(殷躍平等，2012；李長冬等，2020；Ye et al.，2022)。2021年，我國共發(fā)生地質災害4772起，其中滑坡災害2335起，直接經(jīng)濟損失達32億元。滑坡災害甚至會引發(fā)一系列的次生災害和衍生災害，形成滑坡-泥石流-堰塞湖等災害鏈，給人民的生命財產(chǎn)造成了巨大的損失(Yin et al.，2016；Luo et al.，2020；朱賽楠等，2021)。長江三峽庫區(qū)是我國地質災害頻發(fā)的地區(qū)之一，自2003年蓄水以來，區(qū)內(nèi)滑坡發(fā)生的數(shù)量和頻率都有明顯的增長，屬于特大型滑坡的有30余個(Tang et al.，2019；Zhang et al.，2019)，如藕塘滑坡(體積約9.0×107￣￣m3)、黃土坡滑坡(體積約6.9×107￣￣m3)、黃臘石石榴樹包滑坡(體積約2.6×107￣￣m3)、樹坪滑坡(體積約2.1×107￣￣m3)、千將坪滑坡(體積約1.5×107￣￣m3)、白水河滑坡(體積約1.3×107￣￣m3)等。研究表明，由于滑坡坡腳涉水，庫區(qū)滑坡的失穩(wěn)機制復雜，其變形往往與季節(jié)性強降雨及庫水位周期性變動有關(Zhu et al.，2014；尚敏等，2021；楊忠平等，2021；葉潤青等，2021)，而識別滑坡災害的成因并提出準確的臨滑判據(jù)，對理解滑坡運動機制、實施預警預報及制定合理的治理措施均十分重要。

隨著滑坡變形監(jiān)測技術的發(fā)展，高精度、自動化、實時化、多元化的監(jiān)測信息已成為滑坡變形分析及災害防治的重要依據(jù)(董文文等，2016；許強等，2019；許強，2020)。海量的監(jiān)測數(shù)據(jù)為掌握滑坡變形機制、分析演化過程，以及開展精準的穩(wěn)定性評價提供了數(shù)據(jù)支撐，但由于監(jiān)測數(shù)據(jù)數(shù)量龐大、來源多樣，常規(guī)的數(shù)據(jù)處理方法已無法滿足研究需要。數(shù)據(jù)挖掘技術可以從大量數(shù)據(jù)集中發(fā)現(xiàn)和提取有效信息(Ouyang et al.，2011)，近年來在滑坡研究領域得到了越來越多的應用。為探究基于滑坡空間尺度數(shù)據(jù)預測滑坡敏感性的可行性，Lee et al.(2017)挖掘了地理信息系統(tǒng)中的滑坡空間信息數(shù)據(jù)，并對比分析了支持向量機(SVM)和人工神經(jīng)網(wǎng)絡(ANN)等模型的準確率。馬水山等(2002)引入因子分析方法，基于監(jiān)測資料定量揭示了滑坡變形在不同發(fā)展時期的主要影響因素?？紤]滑坡多場信息之間的相關性，揭奇等(2015)利用分布式光纖監(jiān)測技術獲得了三峽庫區(qū)馬家溝滑坡的多場監(jiān)測數(shù)據(jù)，并基于Apriori算法挖掘分析了滑坡位移、庫水位、雨量等因子之間的關聯(lián)性?；谕N算法，Ma et al.(2017)、陳銳等(2021)分別建立了馬家溝滑坡及白水河滑坡的變形關聯(lián)規(guī)則判據(jù)。對于新聞報道中信息量龐大的滑坡事件，F(xiàn)ranceschini et al.(2022)基于語義引擎的數(shù)據(jù)挖掘算法實現(xiàn)了意大利境內(nèi)滑坡事件的自動識別，并完成了滑坡危險性分區(qū)。以上方法在對滑坡時間尺度上的影響因素進行分析時，大多選用單點的變形量來表征整個滑坡的位移特征，忽略了滑坡演化過程中空間的非均質性，因此可能會降低變形關聯(lián)規(guī)則判據(jù)的有效性。

本文基于數(shù)據(jù)挖掘技術，以三峽庫區(qū)新鋪滑坡為例，選取典型剖面的變形監(jiān)測數(shù)據(jù)為分析對象，采用聚類方法將滑坡變形信息定性化，利用Apriori算法對滑坡不同位置處的地表位移速率、庫水位波動及降雨進行關聯(lián)分析，從海量監(jiān)測數(shù)據(jù)中挖掘出有效的關聯(lián)規(guī)則，為滑坡機理分析和預警預報提供參考意見。

1 數(shù)據(jù)挖掘方法

數(shù)據(jù)挖掘是一個從海量的數(shù)據(jù)中找出暗含的、可能對決策有幫助的信息的過程(Chen et al.，1996)。根據(jù)各種挖掘方法，包括聚類分析、關聯(lián)分析、決策樹、支持向量機等，提取數(shù)據(jù)中的相關信息，從而為決策提供一定的指導。

1.1 Apriori關聯(lián)分析

關聯(lián)分析即通過分析，找出事物之間的潛在規(guī)則的過程。關聯(lián)規(guī)則可以形象化描述為：設I為k個項目的全體，即I={i1，i2，…，ik}。事務T為項的集合，由事務標識TID和項目集合X組成，事務T?I。

一般來說，X→Y是一條規(guī)則，X為此條規(guī)則的前項(Antecedent)，Y為此條規(guī)則的后項(Consequent)，并且滿足X?I，Y?I且X∩Y≠?。判斷關聯(lián)規(guī)則性是否有效的指標包括規(guī)則置信度、規(guī)則支持度和規(guī)則提升度。

規(guī)則置信度(Confidence)衡量了規(guī)則準確度，是包含X的事件中也包含Y的概率。定義為：

(1)

規(guī)則支持度(Support)衡量了規(guī)則的普遍性，是事件X和Y同時出現(xiàn)的概率。定義為：

(2)

規(guī)則提升度(Lift)衡量了規(guī)則的有效性，反映了事件X出現(xiàn)對事件Y出現(xiàn)的影響程度，一般認為其大于1才有意義，意味著X的出現(xiàn)對Y的出現(xiàn)有促進作用。定義為：

(3)

關聯(lián)規(guī)則挖掘的最終目的在于找到滿足條件的有效規(guī)則，有效的關聯(lián)規(guī)則應同時滿足大于最小支持度與最小置信度閾值的要求，且規(guī)則的提升度應大于1?；贏priori算法的關聯(lián)規(guī)則挖掘過程可以分為兩步(揭奇等，2015；檀夢皎等，2022)：

(1)遍歷所有數(shù)據(jù)，找出其中的頻繁項集。即找出支持度大于最小支持度閾值的項集。

(2)生成強關聯(lián)規(guī)則。即在找出頻繁項集后，再次尋找同時大于最小置信閾值的項集。

1.2 兩步聚類法

由于Apriori算法僅能處理分類型變量，無法處理數(shù)值型變量(馬俊偉，2016)，而滑坡監(jiān)測信息多為數(shù)值型，因此在進行關聯(lián)分析前需要對變量離散化，將數(shù)值型變量轉換為分類型變量。兩步聚類法能夠處理大規(guī)模數(shù)據(jù)，能同時處理數(shù)值型變量和分類型變量，并能自動確定聚類數(shù)，實際應用較為廣泛(薛薇等，2010)。因此本文采用兩步聚類法對數(shù)值型變量進行離散化。

兩步聚類法的聚類過程分為兩步，即預聚類和聚類。在預聚類過程中，樣本逐個掃描，并根據(jù)親疏程度決定歸入已有子類中，還是派生出一個新類，此階段樣本被劃分為K類；聚類過程中，根據(jù)樣本的親疏程度判斷預聚類中的子類能否合并，最終樣本被劃分為L類。對于數(shù)值型變量，親疏程度的判別通常選用歐氏距離；對于分類型和數(shù)值型兼有的變量，親疏程度的判別則選用對數(shù)似然距離。對數(shù)似然距離的定義為：

(4)

式中：Ij為第j類的樣本集合；p為似然函數(shù)；Xi為第i個樣本變量；qi為第i個參數(shù)向量；J為聚類數(shù)。

針對全部樣本，其對數(shù)似然聚類是各對數(shù)似然聚類之和。對于第i類與第j類合并后的類，它們的距離d(i，j)可以定義為：

d(i，j)=ξi+ξj-ξi，j

(5)

式中：ξi為第i類的對數(shù)似然距離；ξj為第j類的對數(shù)似然距離；ξ(i，j)為第i類與第j類合并后的對數(shù)似然距離。

ξ為對數(shù)似然函數(shù)的具體形式，可以定義為：

(6)

(7)

當d(i，j)小于閾值C時，第i類與第j類可以合并。閾值C的定義為：

(8)

式中：Rk為第k個數(shù)值型變量的取值范圍；Lm為第m個分類型變量的樣本量。

本文中采用的數(shù)據(jù)挖掘過程如圖1所示。首先，選擇與滑坡變形相關的地表位移、庫水位與降雨數(shù)據(jù)集，剔除數(shù)據(jù)集中的空值及離群值，進行原始數(shù)據(jù)的篩選與清洗工作?？紤]到庫水位及降雨對滑坡地表位移的滯后作用，選擇月位移速率、月庫水位波動、月平均庫水位、月累計降雨及月最大日降雨量5個指標進行關聯(lián)規(guī)則的挖掘。然后，運用兩步聚類法及自定義分類方法對變量分級化處理。最后利用Apriori算法進行關聯(lián)規(guī)則的挖掘，并根據(jù)挖掘結果對滑坡變形行為作出分析評價。

圖1 關聯(lián)規(guī)則挖掘的流程圖Fig.1 Flowchart of mining association rules

2 新鋪滑坡簡介

2.1 工程地質概況

長江三峽新鋪滑坡位于重慶市奉節(jié)縣安坪鄉(xiāng)境內(nèi)，滑坡區(qū)地處長江右岸。如圖2與圖3所示，該滑坡是由多個強烈變形區(qū)組成的一個特大型滑坡，由老到新各區(qū)滑體體積分別為5.1×107￣￣m3、2.5×106￣￣m3、6.8×105￣￣m3和6.1×105￣￣m3。

圖2 新鋪滑坡現(xiàn)場照片F(xiàn)ig.2 Photograph of the Xinpu Landslide

圖3 新鋪滑坡監(jiān)測點平面布置圖Fig.3 Layout plan of monitoring points at Xinpu Landslide

新鋪滑坡區(qū)總體地貌類型為河谷地貌，整體呈階梯狀，自長江岸線呈北低南高的地勢?；轮骰较?48°，總體斜長約2000m，相對高差約630m，斜坡坡度17°左右。如圖4所示，滑體土的主要組成成分為第四系松散堆積物，主要包括人工堆積物、崩坡積物和滑坡堆積物，下伏基巖主要為石英砂巖，含少量粉砂巖和泥巖，巖層傾向與滑坡坡向相近。

2.2 變形特征分析

圖3顯示了滑坡區(qū)的監(jiān)測布設情況，包括41個GNSS監(jiān)測點及1個氣象站，分別用于監(jiān)測地表位移及氣象信息。根據(jù)歷史監(jiān)測資料及現(xiàn)場調(diào)查信息，滑坡后部經(jīng)過治理，Ⅱ、Ⅲ、Ⅳ變形區(qū)較為穩(wěn)定，Ⅰ區(qū)滑坡變形仍在繼續(xù)發(fā)展。因此本文選?、駞^(qū)滑坡的A-A′剖面的地表位移監(jiān)測數(shù)據(jù)，利用數(shù)據(jù)挖掘技術，對滑坡變形與庫水位和降雨進行關聯(lián)分析。

圖4 新鋪滑坡A-A′剖面工程地質剖面圖Fig.4 Geological section of A-A′ profile of Xinpu Landslide

圖5為A-A′剖面8個GNSS監(jiān)測點從2015年4月至2021年11月的累計位移與庫水位和降雨的關系曲線。受三峽水庫水位調(diào)度的影響，庫水位每年在145～175m的范圍波動(圖4)。隨著庫水位的周期性波動，監(jiān)測點位移整體上呈現(xiàn)階躍式增長的特點。在水位快速下降階段或下降后的低水位波動期，GNSS位移曲線開始階躍式的上升；水位快速上升并達到較高水平后，GNSS位移曲線又恢復平穩(wěn)。通過對歷年降雨數(shù)據(jù)與GNSS累計位移曲線分析可以發(fā)現(xiàn)，每年降雨集中期(5～9月)與GNSS累計位移的上升階段重疊，此后降雨量明顯減少，累計位移曲線也趨于平穩(wěn)。

圖5 新鋪滑坡累計位移-庫水位-降雨量監(jiān)測曲線Fig.5 Monitoring curves for cumulative displacement， reservoir water level and rainfall of the Xinpu landslide

由此可以發(fā)現(xiàn)，監(jiān)測點的位移變化與降雨量和庫水位具有一定的相關性。然而，由于庫水位快速下降期與大量降雨期的重合，加上坡體不同位置處階躍段的起止時間的差異，使我們難以對各點的變形影響因素進行準確的判斷，從而對滑坡機理的探討造成了一定程度的影響。

3 數(shù)據(jù)挖掘分析

3.1 變量選擇

選取庫水位和降雨兩個角度，對新鋪Ⅰ變形區(qū)滑坡A-A′剖面各點變形情況進行關聯(lián)分析。降雨入滲土體及庫水變動影響地下水位是一個較為緩慢的過程，在這個過程中，降雨、庫水位序列都隨時間得到了一定程度的平滑。并且降雨及庫水位對位移的影響都有一定的滯后，這種滯后效應在庫水位對位移的影響中表現(xiàn)得更為明顯。因此，本文在數(shù)據(jù)挖掘之前，將位移、庫水位與降雨序列進行以月為單位的預處理，以期對時間序列進行平滑，對滯后效應進行削減。

(1)庫水位。如前所述，庫水位的高低及波動程度都會影響滑坡位移，且這種影響還存在一定的滯后。黃觀文等(2021)通過時滯互相關分析得知庫水位對滑坡變形的響應滯后時間為31d左右。Zhang et al.(2021)利用灰色關聯(lián)度法，計算出庫水位變動對滑坡變形的滯后時間為18d?？紤]到庫水位的滯后效應，尚敏等(2021)通過將5～6月庫水位變動綜合與滑坡變形進行相關性計算，結果表明綜合因子的相關性最高。因此本文將庫水位進行以月為單位的預處理后，再對時間序列平移，選擇前月的庫水位量值作為當期的滑坡變形影響因子。根據(jù)庫水位波動特點，選擇月平均庫水位(WLma)、月庫水位波動量(WLmf)兩個變量探究庫水位對滑坡位移的影響情況。

(2)降雨。降雨主要通過入滲作用影響地表位移，相較于庫水位，降雨對變形的滯后時間表現(xiàn)得更為短暫，一般在10d左右(黃觀文等，2021；Tsironi et al.，2022)。因此本文分析將月降雨量作為滑坡變形的影響因子，以對降雨序列進行平滑。同時考慮到短時強降雨對滑坡位移的影響，同時選取月間日降雨量最大值作為影響因子之一進行數(shù)據(jù)挖掘。因此本文分析中選取了月降雨量(Rm)、月間日降雨量最大值(Rdm)兩個變量作為影響因子探究降雨對滑坡位移的影響。

(3)地表位移。根據(jù)累計位移的大小及空間位置的差異，本文將Ⅰ變形區(qū)A-A′剖面各點劃分為前(G31、G30)、中(G01、G04、G07)、后(G10、G13、G36)3個部分，取各監(jiān)測點日位移速率的月度平均值為變形速率大小的衡量指標，利用前、中、后各GNSS監(jiān)測點的位移速率(v)表征滑坡不同點的變形情況。由于滑坡的當前位置的變形同時受不同空間位置的影響，因此本文分析中也考慮了其他部位的影響，在當前部分的位移速率(v)后項輸出時，其余兩部分的位移速率(v)作為前項輸入變量，以探究不同空間位置處滑坡變形的影響因素。

3.2 數(shù)據(jù)分級

由于Apriori算法進行關聯(lián)規(guī)則挖掘時，要求數(shù)據(jù)為分類型變量，因此需要對數(shù)據(jù)進行分級化處理。月平均庫水位(WLma)、月庫水位波動量(WLmf)、月降雨量(Rm)、月間日降雨量最大值(Rdm)及位移速率(v)分級化結果見表 1～表 5。

表 1 月平均庫水位分級化結果Table1 Qualitative values of monthly average water level

表 2 月庫水位波動量分級化結果Table2 Qualitative values of monthly water level fluctuation

表 3 月間日降雨量最大值分級化結果Table3 Qualitative values of monthly maximum daily rainfall

表 4 月降雨量分級化結果Table4 Qualitative values of monthly rainfall

表 5 月平均日位移速率分級化結果Table5 Qualitative values of monthly average daily displacement velocity

根據(jù)庫水位高程，對月平均庫水位進行等間距劃分。按庫水位高程處于145～155m、155～165m、165～175m將其分別劃分為低、中、高3類，分類結果見表 1。

利用兩步聚類法，對月庫水位波動量進行聚類，由于庫水位上升和下降對滑坡變形的作用機制不同，因此根據(jù)兩步聚類法，將其劃分為快速上升、慢速上升、平穩(wěn)波動、慢速下降、快速下降5類，水位波動速率分級化結果見表 2。

根據(jù)中國氣象局的降雨量等級劃分標準(GB/T 28592-2012)，對月間日降雨量最大值進行等級劃分。按降雨量為0～10mm，10～25mm及25mm以上劃分為小雨、中雨、大雨3類，分類結果見表 3。

利用兩步聚類法，對月降雨量聚類為小雨、中雨、大雨3類，分級化結果見表 4。

由于滑坡不同空間位置處的月位移速率大小存在差異，因此利用兩步聚類法對滑坡前部、中部、后部的月平均日位移速率分別聚類，分級化結果見表 5。

表 6 滑坡前部關聯(lián)規(guī)則挖掘結果Table6 Analysis results of association rules in the front part of the landslide

表 7 滑坡中部關聯(lián)規(guī)則挖掘結果Table7 Analysis results of association rules in the middle part of the landslide

3.3 關聯(lián)規(guī)則挖掘

采用Apriori關聯(lián)規(guī)則挖掘算法，設定月平均庫水位、月庫水位波動量、月降雨量、月間日降雨量最大值及不同空間位置處的位移速率(如進行前部的關聯(lián)規(guī)則挖掘時，設定中部、后部變形量)為關聯(lián)規(guī)則的前項，位移速率為關聯(lián)規(guī)則后項，挖掘新鋪滑坡不同空間位置處的關聯(lián)規(guī)則。根據(jù)前人經(jīng)驗(揭奇等，2015；Ma et al.，2017；馬俊偉等，2019)及本文的數(shù)據(jù)特點，考慮到關聯(lián)規(guī)則的完整性及準確性，設定最小置信度為60%，最小支持度為5%。由于滑坡變形大多處于低水平位移階段，階躍段占的比重較小，因此挖掘出的關聯(lián)規(guī)則大多為小變形階段。根據(jù)關聯(lián)規(guī)則有效性判別指標，在眾多關聯(lián)規(guī)則中按提升度進行排序，選取提升度較大的規(guī)則作為本次分析的有效規(guī)則。滑坡Ⅰ變形區(qū)前部、中部、后部的關聯(lián)規(guī)則挖掘結果見表 6～表 8。

表 6為滑坡前部的關聯(lián)規(guī)則挖掘結果。規(guī)則1～規(guī)則3為滑坡變形穩(wěn)定時的關聯(lián)規(guī)則。規(guī)則1和3反映了中部的變形速率較低時，低庫水位下低強度的降雨或庫水位的快速上升都不會對滑坡變形產(chǎn)生較大影響。規(guī)則2則反映了當庫水位處于較高水平，即使降雨強度為中等，也不會對滑坡變形產(chǎn)生較大影響。

規(guī)則4～規(guī)則7為滑坡變形處于中等水平時的關聯(lián)規(guī)則。規(guī)則4和規(guī)則5反映了滑坡變形受庫水位波動和降雨的雙重影響。中等庫水位快速下降時中等程度的降雨或低庫水位慢速下降時強陣雨都可使滑坡變形速率處于中等水平。規(guī)則6則為庫水位對滑坡變形的影響，低庫水位慢速上升時，滑坡位移速率也為中等。規(guī)則7為滑坡中部的位移速率為中等，較小的陣雨時前部的位移速率也為中等，可見滑坡前部受降雨的影響較小。

表 8 滑坡后部關聯(lián)規(guī)則挖掘結果Table8 Analysis results of association rules in the rear part of the landslide

規(guī)則8～規(guī)則12為滑坡變形較大時的關聯(lián)規(guī)則。反映了庫水位的快速下降及強降雨可使滑坡位移加速。對比規(guī)則8和規(guī)則5，同樣處于低庫水位下，高強度的連續(xù)降雨能引發(fā)滑坡前部的強烈變形，而高強度的陣雨卻僅能造成滑坡變形加速，故在低水位下，對于滑坡前緣的變形，連續(xù)降雨的強度影響可能強于陣雨。

總的來看，前部規(guī)則同時幾乎所有規(guī)則涉及庫水位，說明前部庫水位對變形的影響較大，而庫水位可從兩方面對位移產(chǎn)生影響。從庫水位的高程水平來看，規(guī)則4～規(guī)則6、規(guī)則8～規(guī)則10都涉及中低庫水位，此時加之其他因素的影響才可能使滑坡位移進入加速變形或中等變形階段。從庫水位的波動情況來看，規(guī)則4～規(guī)則6、規(guī)則12體現(xiàn)了庫水位的下降與滑坡變形關系密切。且規(guī)則4與規(guī)則12表明，當庫水位快速下降，無論降雨強度大小，都會使滑坡進入加速變形或快速變形階段。而當庫水位處于較高水平，即使降雨強度為中等，也不會造成滑坡的加速變形。

表 7為滑坡中部的關聯(lián)規(guī)則挖掘結果。規(guī)則1～規(guī)則3為滑坡變形穩(wěn)定時的關聯(lián)規(guī)則，3條規(guī)則都涉及高庫水位。在高庫水位條件下，庫水位升降及中等強度的降雨都不會對滑坡中部位移速率產(chǎn)生明顯影響，說明庫水位高低對滑坡位移速率的影響較大。

規(guī)則4～規(guī)則6為滑坡以中等速率變形時的關聯(lián)規(guī)則。規(guī)則4與規(guī)則6為低庫水位下的關聯(lián)規(guī)則。與滑坡前部的情況相似，在低庫水位條件下，庫水位的緩慢上升會使滑坡的位移速率加快。規(guī)則5表明不考慮庫水位的高低，在庫水位緩慢上升的情況下，高強度的陣雨也能使滑坡的位移速率加快。

規(guī)則7～規(guī)則10為滑坡快速變形時的關聯(lián)規(guī)則。4條規(guī)則都涉及低庫水位和高強度的陣雨或長時降雨，表明在低庫水位下，庫水位平穩(wěn)波動時，高強度的陣雨和長時降雨都會使滑坡進入快速變形狀態(tài)。聯(lián)系滑坡以中等速率變形時的規(guī)則4～規(guī)則6，同樣在低庫水位條件下，庫水位的緩慢上升能夠使滑坡變形減緩，進入以中等速率變形的階段，說明庫水位的波動情況同樣會對滑坡中部變形產(chǎn)生較大影響。

總的來看，與滑坡前部的關聯(lián)規(guī)則相比，中部的關聯(lián)規(guī)則中庫水位出現(xiàn)的比率降低，降雨的影響逐漸增大。與前部的規(guī)則不同，在滑坡快速變形階段，庫水位的快速下降產(chǎn)生的影響在中部中體現(xiàn)不明顯，規(guī)則7～規(guī)則9體現(xiàn)了在低庫水位平穩(wěn)波動的情況下，滑坡的位移速率主要受降雨量控制，高強度陣雨或連續(xù)降雨會使滑坡中部位移速率加快。而中等速率變形階段，庫水位波動對位移產(chǎn)生較大影響，具體表現(xiàn)在低庫水位的慢速上升使滑坡產(chǎn)生中等速率的變形。結合圖5來看，低庫水位的慢速上升發(fā)生在低庫水位平穩(wěn)波動之后，這就說明每年的雨季，庫水位平穩(wěn)波動，滑坡中部變形主要受降雨強度及降雨歷時控制，而之后庫水位緩慢上升，滑坡位移速率有高速轉為中速，即使再次發(fā)生強降雨，中部位移也不會突增(規(guī)則5)。而當庫水位上升到高水位期間，滑坡位移主要受庫水位高程控制。此時庫水位的上升或下降，以及中等強度的降雨幾乎不會對滑坡位移產(chǎn)生影響(規(guī)則1～規(guī)則3)。因此總的來看，相較于滑坡前部，降雨對滑坡中部位移的影響明顯加大，這種作用在低庫水位時表現(xiàn)得尤為顯著。而在庫水位上升過程中，庫水位的控制作用才逐漸體現(xiàn)出來。

表 8為滑坡后部的關聯(lián)規(guī)則挖掘結果。規(guī)則1～規(guī)則3為滑坡變形穩(wěn)定時的關聯(lián)規(guī)則，規(guī)則1表明庫水位的快速上升不會對滑坡后部的變形產(chǎn)生較大影響。規(guī)則2與規(guī)則3都是高庫水位下的關聯(lián)規(guī)則，與滑坡前部與中部的規(guī)則相似，在高庫水位下，降雨強度的大小不會對滑坡變形產(chǎn)生較大影響。

規(guī)則4～規(guī)則6為滑坡處于中等變形速率時的關聯(lián)規(guī)則。規(guī)則4與規(guī)則5體現(xiàn)了中等庫水位下，強度較高的陣雨能夠使滑坡變形加速。規(guī)則6體現(xiàn)了在低庫水位下，高強度的陣雨及中等強度的長時降雨也能使滑坡變形加速。

規(guī)則7與規(guī)則8為滑坡快速變形階段的關聯(lián)規(guī)則。兩條規(guī)則都涉及了高強度的陣雨與長時降雨可使滑坡進入快速變形階段。規(guī)則7與規(guī)則6進行對比可以發(fā)現(xiàn)，對于滑坡后部，高強度的長時降雨與滑坡快速變形有密切聯(lián)系，而陣雨的影響相較于長時降雨來說較小。

總的來看，與滑坡前部和中部的關聯(lián)規(guī)則相比，后部的關聯(lián)規(guī)則中降雨占的比重明顯增大，說明降雨是后部變形的主要因素。但與滑坡前部和中部展現(xiàn)的規(guī)則相同，庫水位高程會對滑坡后部監(jiān)測點的變形產(chǎn)生影響。在高水位條件下，即使出現(xiàn)強度較大的陣雨或長時降雨，后部滑體也不會出現(xiàn)明顯的變形(規(guī)則2)。

3.4 討論

從表 6～表 8關聯(lián)規(guī)則挖掘的結果來看，3個表中體現(xiàn)的關聯(lián)規(guī)則挖掘結果并非是一一對應的關系，如表 6中的規(guī)則8～規(guī)則12前項中都包含滑坡中部高位移速率的因素，但就表 7中部關聯(lián)規(guī)則挖掘的結果來看，并無一條規(guī)則與表 6完全一致。這一方面是由于各監(jiān)測點監(jiān)測的起始時間存在差異，從而導致有效監(jiān)測期內(nèi)數(shù)據(jù)量的大小不同，因而關聯(lián)規(guī)則挖掘的結果存在差異。另一方面是由于滑坡不同空間位置處的主要影響因子不同，而表中結果展示的依據(jù)為提升度的大小，同一規(guī)則在不同位置處其有效性存在差異，提升度也可能有所不同，因此會出現(xiàn)表 6～表 8關聯(lián)規(guī)則挖掘結果不一致的情況。

從具體的結果來看，從滑坡前部到滑坡后部，關于庫水位的規(guī)則占比減小而降雨規(guī)則的占比增加，這就說明從前至后，庫水位對變形的影響在減弱，而降雨的影響在加強。并且?guī)焖粚伦冃蔚挠绊懼饕謨煞矫?，分別是庫水位高程與庫水位波動速率，降雨對滑坡穩(wěn)定性的影響則體現(xiàn)在降雨量上(Jiang et al.，2020)。在高庫水位下，中低程度的長時降雨或陣雨基本不會對滑坡變形產(chǎn)生影響。而在中低庫水位作用下，滑坡前緣在庫水位快速下降或強降雨的影響下，會發(fā)生強烈變形，滑坡中部的強變形則較多發(fā)生在水位波動較為穩(wěn)定的低庫水位階段，此時中高強度的長時降雨或陣雨，都可令滑坡中部發(fā)生強烈變形。而滑坡后部的強烈變形基本不受水位波動的影響，更多表現(xiàn)在由強降雨引發(fā)滑坡強烈變形。

圖6 G31(a)和G07(b)水平位移與庫水位、高程水位波動速率關系圖Fig.6 Correlation between the reservoir fluctuation velocities， the water levels，and GNSS displacements velocities in G31(a) and G07(b)

為驗證結果的可靠性，如圖6所示，選取滑坡最前部的G31與中部的G07的水平位移速率與庫水位高程和庫水位波動速率的數(shù)據(jù)繪制散點圖，從圖中可以發(fā)現(xiàn)，在水平位移速率較高時，G31的數(shù)據(jù)點更多集中在Ⅰ區(qū)域，且水位多在160m以下的低庫水位階段，即在低水位且水位下降時，G31變形速率較大。而G07的水平位移速率較高時，數(shù)據(jù)在Ⅰ區(qū)域和Ⅱ區(qū)域都有分布，在Ⅰ區(qū)域時多處于低庫水位下，而Ⅱ區(qū)域變形階段的庫水位高程不僅包括低庫水位，還包括了160m以上的中高庫水位階段，這就說明對于G07，水位波動不再是影響位移速率的最重要因素，此時降雨對位移速率的影響也在增大，因此會出現(xiàn)中高庫水位且?guī)焖挥兴仙龝r，水平位移速率增大的情況。

4 結 論

本文以長江三峽庫區(qū)的特大型滑坡——新鋪滑坡為例，采用數(shù)據(jù)挖掘方法，基于海量監(jiān)測數(shù)據(jù)對滑坡的變形行為進行了關聯(lián)分析，得到如下的結論：

(1)應用聚類方法與關聯(lián)規(guī)則分析方法，可以從海量監(jiān)測數(shù)據(jù)中挖掘出有效規(guī)則，實現(xiàn)庫區(qū)特大型滑坡變形影響因素的分析。本研究揭示了庫區(qū)滑坡變形與庫水位波動、降雨和庫水位高程之間的相關性，并與實測數(shù)據(jù)對比，驗證了規(guī)則的可靠性。

(2)庫區(qū)滑坡變形受庫水位與降雨等因素的多重影響。在高庫水位條件下，庫水位波動與降雨強度對滑坡變形的影響有限，而在中低庫水位條件下，水位的快速下降和強降雨與滑坡變形關系密切。

(3)滑坡不同空間位置處變形影響因素存在差異?；虑熬壸冃问軒焖桓叱碳八徊▌铀俾实挠绊懞艽?，由滑坡前緣向上，降雨的影響作用不斷加強，而水位波動造成的影響在減弱，至滑坡后緣，變形基本不受水位波動的影響。