CN101266301A - 滑坡监控预报方法 - Google Patents
滑坡监控预报方法 Download PDFInfo
- Publication number
- CN101266301A CN101266301A CNA2008103014439A CN200810301443A CN101266301A CN 101266301 A CN101266301 A CN 101266301A CN A2008103014439 A CNA2008103014439 A CN A2008103014439A CN 200810301443 A CN200810301443 A CN 200810301443A CN 101266301 A CN101266301 A CN 101266301A
- Authority
- CN
- China
- Prior art keywords
- landslide
- deformation body
- monitoring
- displacement
- prediction method
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Pit Excavations, Shoring, Fill Or Stabilisation Of Slopes (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
Abstract
本发明公开了自然灾害的监控预报领域一种预报结果准确的滑坡监控预报方法。该方法包括如下步骤:(1)对发现边坡变形现象的区域进行地质勘察;(2)建立滑坡变形体的地表位移监测网;(3)记录监测数据,生成滑坡变形体的累计位移s与时间t的序列数据点曲线;(4)对序列数据点曲线进行数学拟合,建立滑坡变形体的累计位移s与时间t的预报模型;(5)根据预报模型做出预报。经试验表明,该方法不仅能够准确监测滑坡变形的全过程,而且可以提前几天,甚至可以提前几小时,对滑坡做出准确预报;此外,该方法还具有简洁、快速的优点,适用于对多种地形、地质条件上的滑坡进行监控和预报。
Description
技术领域
本发明属于自然灾害的监控预报领域,具体涉及滑坡的监控预报方法。
背景技术
斜坡上的土体或者岩体由于受河流冲刷、地下水活动、地震及人工切坡等因素的影响,在重力的作用下沿着一定的软弱面或者软弱带整体或分散顺坡向下滑动的自然现象,称为滑坡。滑坡是一种严重的自然灾害。滑坡变形过程一般可分为初始变形、平缓变形和加速变形三个阶段。在初始变形阶段,开始出现边坡变形现象,地表出现断续的裂缝,但整个滑坡变形体的位移量较少;进入平缓变形阶段后,地表出现了较多的变形裂缝,并沿滑坡周边形成连续分布的裂缝,产生明显的下挫现象,单位时间内滑坡变形体的位移量基本相等,日位移量可达数毫米或数厘米;进入加速变形阶段后,地表出现了较大的位移,滑坡变形体单位时间内位移量逐渐增大,日位移量可达数厘米或数十厘米。
滑坡变形具有复杂性、随机性和不确定性的特点,因此要想准确进行滑坡的时间预报非常困难。迄今为止,国内外对滑坡准确预报的实例仍十分少见。现有滑坡预报***,大多是根据临滑现象做出的经验性预报,或是已发生滑坡后的检验性预报。滑坡预报问题还未得到很好的解决。
发明内容
本发明所解决的技术问题是:提供一种预报结果准确的滑坡监控预报方法。
解决上述技术问题的技术方案是:滑坡监控预报方法,包括如下步骤:
(1)对发现边坡变形现象的区域进行地质勘察;
(2)建立滑坡变形体的地表位移监测网;
(3)记录监测数据,生成滑坡变形体的累计位移s与时间t的序列数据点曲线;
(4)对序列数据点曲线进行数学拟合,建立滑坡变形体的累计位移s与时间t的预报模型;
(5)根据预报模型做出预报。
进一步的是,滑坡变形体进入加速变形阶段后,根据序列数据点曲线上所出现的位移异常特征点做出临滑预报。
进一步的是,滑坡变形体进入加速变形阶段后,对滑坡变形体的监测周期为0.5小时~2小时/每次。
进一步的是,通过地表位移监测网对滑坡变形体变形失稳的关键部位进行监测。
进一步的是,地表位移监测网采用地表巡视与红外测量仪监测相结合的方法进行监测。
进一步的是,红外测量仪设置在滑坡变形体以外稳定的具有通视的地段上。
本发明的有益效果是:经试验表明,本发明的滑坡监控预报方法不仅能够准确监测滑坡变形的全过程,而且可以提前几天,甚至可以提前几小时,对滑坡做出准确预报;此外,该方法还具有简洁、快速的优点,适用于对多种地形、地质条件上的滑坡进行监控和预报。
附图说明
图1为采用本发明滑坡监控预报方法对某一滑坡变形体进行监测后所得到的滑坡变形体的累计位移s与时间t的序列数据点曲线。
具体实施方式
下面通过附图和实施例对本发明作进一步的说明。
本发明的滑坡监控预报方法,包括如下步骤;
(1)对发现边坡变形现象的区域进行地质勘察;
(2)建立滑坡变形体的地表位移监测网;
(3)记录监测数据,生成滑坡变形体的累计位移s与时间t的序列数据点曲线;
(4)对序列数据点曲线进行数学拟合,建立滑坡变形体的累计位移s与时间t的预报模型;
(5)根据预报模型做出预报。
在步骤(1)中发现边坡变形现象后,进行地质勘察可调查出裂缝的分布情况,查清滑坡变形体的平面分布范围、厚度、物质组成、体积等边界条件,分析研究滑坡变形体的形成机制。在进行地质勘察的基础上才能够正确建立滑坡变形体的地表位移监测网。地质勘察工作是认识滑坡变形体的基础,通过地质勘察工作可确定滑坡变形体的物质组成、结构、滑坡变形体的范围、成因,位移监测只有布置在坡体可能产生变形的范围才有实际意义。地表位移监测网由多个分布在滑坡变形体上的监测点组成,每个监测点的设置设应具有代表性,最好布置在滑坡变形体变形失稳的关键部位,这样才能取得更为详实可靠的变形资料,提取有效控制信息,充分了解坡体动态规律。滑坡变形体变形失稳的关键部位是指能代表滑坡变形体的变形情况的部位,该关键部位通过步骤(1)中地质勘察的结果来确定。
地表位移监测网可采用地表巡视与红外测量仪监测相结合的方法进行监测。这种监测方法具有简洁、快速的优点,可以减少建立地表位移监测网的时间和成本。红外测量仪以及进行地表巡视时所使用的观测设备最好设置在滑坡变形体以外稳定的具有通视的地段上,具有通视的地段是指指前方无遮挡物,能用肉眼或测量仪器直接观测到的地段。红外测量仪监通过从远处发射红外线对所监测点的位移进行周期性的测量。将红外测量仪设置在滑坡变形体以外稳定的具有通视的地段上可以保证监测人员的安全,并且提高监测结果的准确性。当然,地表位移监测网还可以采用其它的监测手段进行监测,比如在滑坡变形体中设置位移传感器进行监测。
步骤(2)建立滑坡变形体的地表位移监测网完成后,就可对滑坡变形体进行周期性的监测。对每个监测点的监测时是同时进行的,从每个监测点都可以得到所监测部位在不同监测时间相对应的位移量。然后将每个监测点的监测数据进行整理,就可以生成滑坡变形体的累计位移s与时间t的序列数据点曲线。监测数据可采用累加生成的方式来建立累计位移s与时间t的序列数据点曲线。累加生成是灰色理论中一种数据预处理方法。
如图1,滑坡变形体的累计位移s与时间t的序列数据点曲线是由多个数据点串连形成的。相邻数据点在横坐标t上的间距为监测的间隔时间。如图中所示,曲线的开始一段为平缓向上的直线,该段直线的斜度很小。这段时期为滑坡变形的初始变形阶段和平缓变形阶段。这两个阶段滑坡变形体的位移量较小,因此监测数据可每天采集一次。在经过初始变形阶段和平缓变形阶段以后,滑坡变形体开始进入加速变形阶段。此时滑坡变形体出现较大位移,曲线突然变陡,曲线上不同数据点的斜率逐渐增大,说明滑坡变形体的位移变化率加大。滑坡变形体进入加速变形阶段后,对滑坡变形体的监测周期缩短为0.5小时~2小时/每次,曲线上体现为数据点紧密靠拢。
在生成滑坡变形体的累计位移s与时间t的序列数据点曲线后,根据步骤(4)对曲线进行数学拟合,建立滑坡变形体的累计位移s与时间t的预报模型。步骤(4)中可采用多种数学方式对曲线进行拟合,以图1为例,可分别采用多项式、乘幂、指数的数学模型进行拟合,并根据拟合精度选择最合适的预报模型。以下是对上述三种数学模型的具体说明:
1、多项式模型
滑坡变形具有明显的时效性,其变形量S可以看成是时间t的单变量函数,即S=f(t),因此任何单变量的连续函数,总可由Taylor展式表示成幂级数的形式:
S=f(t)=a0+a1t+a2t2+a3t3+…+antn
式中,a0,a1,…an为待定系数,
S-累积变形量,
t-时间。
对上述方程求一阶导数,可求出位移速率V,表达式为:
式中,a0,a1,…an为待定系数。
式中待定系数和相关系数可通过回归分析求得,实际分析中,可分析不同阶数的多项式模型,对具有一定趋势规律的时间序列,阶数越高,精度愈高。
2、指数模型
S=aebt
式中,a为待定系数,
S-累积变形量,
t-时间。
对上述方程求一阶导数,可求出位移速率V,表达式为:
式中,a,b为待定系数。
3、乘幂模型
S=atb
式中,a,b为待定系数,
S-累积变形量,
t-时间。
在建立滑坡变形体的累计位移s与时间t的预报模型后,就可以对滑坡变形体最终失稳的时间做出预报。
为了提高预报的精确度,滑坡变形体进入加速变形阶段后,根据序列数据点曲线上所出现的位移异常特征点做出临滑预报。异常特征点是序列数据点曲线上的拐点,是单位时间内位移的突变点,该点可从序列数据点曲线上观测到。如图1,图中p点即为异常特征点。当滑坡变形体进入加速变形阶段后,曲线突然变陡,位于p点之下的这段曲线仍近似为一段光滑的曲线。曲线经过p点时,累计位移s对时间t的变化率突然增大,说明滑坡变形体开始进一步加速变形,临近大滑动。此时应发出临滑预报,可以达到提前几小时准确预报的效果。
通过研究表明,序列数据点曲线上出现的位移异常特征点是滑坡变形过程的客观事实,具有重要的物理意义,是土体失稳的前兆反映。由于滑坡变形过程具有复杂性、非等速性,位移异常就一定能出现,并反映在累计位移s与时间t的序列数据点曲线上出现的异常特征点。
Claims (6)
1. 滑坡监控预报方法,包括如下步骤:
(1)对发现边坡变形现象的区域进行地质勘察;
(2)建立滑坡变形体的地表位移监测网;
(3)记录监测数据,生成滑坡变形体的累计位移s与时间t的序列数据点曲线;
(4)对序列数据点曲线进行数学拟合,建立滑坡变形体的累计位移s与时间t的预报模型;
(5)根据预报模型做出预报。
2. 如权利要求1所述的滑坡监控预报方法,其特征是:滑坡变形体进入加速变形阶段后,根据序列数据点曲线上所出现的位移异常特征点做出临滑预报。
3. 如权利要求2所述的滑坡监控预报方法,其特征是:滑坡变形体进入加速变形阶段后,对滑坡变形体的监测周期为0.5小时~2小时/每次。
4. 根据1~3中任意一项权利要求所述的滑坡监控预报方法,其特征是:通过地表位移监测网对滑坡变形体变形失稳的关键部位进行监测。
5. 根据1~3中任意一项权利要求所述的滑坡监控预报方法,其特征是:地表位移监测网采用地表巡视与红外测量仪监测相结合的方法进行监测。
6. 如权利要求5所述的滑坡监控预报方法,其特征是:红外测量仪设置在滑坡变形体以外稳定的具有通视的地段上。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNA2008103014439A CN101266301A (zh) | 2008-05-06 | 2008-05-06 | 滑坡监控预报方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNA2008103014439A CN101266301A (zh) | 2008-05-06 | 2008-05-06 | 滑坡监控预报方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN101266301A true CN101266301A (zh) | 2008-09-17 |
Family
ID=39988848
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNA2008103014439A Pending CN101266301A (zh) | 2008-05-06 | 2008-05-06 | 滑坡监控预报方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101266301A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103644850A (zh) * | 2013-12-20 | 2014-03-19 | 招商局重庆交通科研设计院有限公司 | 土质边坡表面位移监测及安全预警方法 |
CN104732513A (zh) * | 2014-11-27 | 2015-06-24 | 国网青海省电力公司西宁供电公司 | 一种滑坡分析方法 |
CN105157664A (zh) * | 2015-08-25 | 2015-12-16 | 武汉理工大学 | 一种确定边坡施工期变形动态监控指标的方法 |
CN109389808A (zh) * | 2017-08-06 | 2019-02-26 | 中铁二院工程集团有限责任公司 | 基于蠕变型滑坡等速变形速率的临滑预报方法 |
CN109935054A (zh) * | 2019-04-25 | 2019-06-25 | 成都星感智联科技有限公司 | 一种滑坡短期时间预报方法 |
CN111259605A (zh) * | 2020-02-14 | 2020-06-09 | 中铁二院工程集团有限责任公司 | 一种土质滑坡监测预警评估方法 |
CN113450541A (zh) * | 2021-06-18 | 2021-09-28 | 湖南致力工程科技有限公司 | 一种蠕变型地质灾害监测数据自动化实时预警方法 |
CN115457736A (zh) * | 2022-07-25 | 2022-12-09 | 重庆大学 | 一种基于加速变形阶段完成率的滑坡预警方法 |
CN115640867A (zh) * | 2022-07-15 | 2023-01-24 | 武汉市勘察设计有限公司 | 基于地质材料变形破坏机理的滑坡局部和整体破坏预测方法 |
-
2008
- 2008-05-06 CN CNA2008103014439A patent/CN101266301A/zh active Pending
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103644850A (zh) * | 2013-12-20 | 2014-03-19 | 招商局重庆交通科研设计院有限公司 | 土质边坡表面位移监测及安全预警方法 |
CN104732513A (zh) * | 2014-11-27 | 2015-06-24 | 国网青海省电力公司西宁供电公司 | 一种滑坡分析方法 |
CN105157664A (zh) * | 2015-08-25 | 2015-12-16 | 武汉理工大学 | 一种确定边坡施工期变形动态监控指标的方法 |
CN105157664B (zh) * | 2015-08-25 | 2017-08-25 | 武汉理工大学 | 一种确定边坡施工期变形动态监控指标的方法 |
CN109389808A (zh) * | 2017-08-06 | 2019-02-26 | 中铁二院工程集团有限责任公司 | 基于蠕变型滑坡等速变形速率的临滑预报方法 |
CN109935054A (zh) * | 2019-04-25 | 2019-06-25 | 成都星感智联科技有限公司 | 一种滑坡短期时间预报方法 |
CN111259605A (zh) * | 2020-02-14 | 2020-06-09 | 中铁二院工程集团有限责任公司 | 一种土质滑坡监测预警评估方法 |
CN111259605B (zh) * | 2020-02-14 | 2023-04-07 | 中铁二院工程集团有限责任公司 | 一种土质滑坡监测预警评估方法 |
CN113450541A (zh) * | 2021-06-18 | 2021-09-28 | 湖南致力工程科技有限公司 | 一种蠕变型地质灾害监测数据自动化实时预警方法 |
CN115640867A (zh) * | 2022-07-15 | 2023-01-24 | 武汉市勘察设计有限公司 | 基于地质材料变形破坏机理的滑坡局部和整体破坏预测方法 |
CN115640867B (zh) * | 2022-07-15 | 2023-06-16 | 武汉市勘察设计有限公司 | 基于地质材料变形破坏机理的滑坡局部和整体破坏预测方法 |
CN115457736A (zh) * | 2022-07-25 | 2022-12-09 | 重庆大学 | 一种基于加速变形阶段完成率的滑坡预警方法 |
CN115457736B (zh) * | 2022-07-25 | 2023-08-04 | 重庆大学 | 一种基于加速变形阶段完成率的滑坡预警方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101266301A (zh) | 滑坡监控预报方法 | |
Hirschberg et al. | Climate change impacts on sediment yield and debris‐flow activity in an alpine catchment | |
Valentine et al. | Basaltic volcanic fields | |
Adam et al. | Simulation of reservoir influences on annual and seasonal streamflow changes for the Lena, Yenisei, and Ob'rivers | |
Reijers | Stratigraphy and sedimentology of the Niger Delta | |
De Vente et al. | The application of semi-quantitative methods and reservoir sedimentation rates for the prediction of basin sediment yield in Spain | |
McCalpin et al. | Holocene paleoseismicity, temporal clustering, and probabilities of future large (M> 7) earthquakes on the Wasatch fault zone, Utah | |
DuRoss et al. | Integration of paleoseismic data from multiple sites to develop an objective earthquake chronology: Application to the Weber segment of the Wasatch fault zone, Utah | |
Forsyth et al. | Beach ridge plain evidence of a variable late-Holocene tropical cyclone climate, North Queensland, Australia | |
Inbar et al. | Morphometric and morphological development of Holocene cinder cones: a field and remote sensing study in the Tolbachik volcanic field, Kamchatka | |
Annen et al. | The long-term growth of volcanic edifices: numerical modelling of the role of dyke intrusion and lava-flow emplacement | |
Tucker et al. | Headwater channel dynamics in semiarid rangelands, Colorado high plains, USA | |
Plafker et al. | Determining recurrence intervals of great subduction zone earthquakes in southern Alaska by radiocarbon dating | |
CN102509420A (zh) | 一种基于临滑区变形信息的滑坡预报方法 | |
CN103728659A (zh) | 一种提高地下岩溶探测精度的方法 | |
CN103913774A (zh) | 基于微地震事件的储层地质力学参数反演方法 | |
Hong et al. | Quantitative assessment on the influence of heavy rainfall on the crystalline schist landslide by monitoring system-case study on Zentoku landslide, Japan | |
Fan et al. | Effects of hydromechanical loading history and antecedent soil mechanical damage on shallow landslide triggering | |
CN104459784A (zh) | 基于单台、双台和双事件数据二维Lg波Q值层析成像方法 | |
Lin et al. | Interpreting MIS3 artefact transport patterns in Southern Africa using cortex ratios: An example from the putslaagte valley, Western Cape | |
Matsubara et al. | Modeling planform evolution of a mud‐dominated meandering river: Quinn River, Nevada, USA | |
Agliardi et al. | Effects of tectonic structures and long-term seismicity on paraglacial giant slope deformations: Piz Dora (Switzerland) | |
De Rydt et al. | Calving cycle of the Brunt Ice Shelf, Antarctica, driven by changes in ice shelf geometry | |
CN113064170A (zh) | 一种基于时序InSAR技术的膨胀土区域地表形变监测方法 | |
Parr et al. | Hydrological changes in the US Northeast using the Connecticut River Basin as a case study: Part 2. Projections of the future |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Open date: 20080917 |