岩质边坡地表变形监测数据处理与时效变形分析

胡碧辉，邹晨阳，陈 芳

(1.江西省水利科学研究院，江西 南昌 330029；2.江西省水工安全技术研究中心，江西 南昌 330029)

1 概述

滑坡灾害发生前都会伴随一些异常现象发生，如边坡裂缝开度增加、长度加大，边坡出现滑坍等，边坡变形监测的目的是通过监测数据及时发现潜在的异常，并提前做好预防。然而，由于监测过程中受监测设施不稳定、环境、人为因素等影响，监测数据自身的数据质量不高，甚至由于某些异常监测数据，最终导致灾害情况的错误判断[1- 3]。众多科研人员针对各种异常监测数据的处理方法展开研究，“3σ”准则是一种简单易算的方法，在变形异常数据检验中应用非常普遍，以此同时，为排除干扰噪点，用小波分析法对监测数据进行降噪处理也得到了广泛应用[4- 14]。

本文以某大型枢纽库岸岩质边坡为例，根据目前布置的监测设施获取的大量观测数据，采用“3σ”准则和高斯过程回归相结合的方法，对监测数据进行处理，并从变形现象出发建立边坡的变形监测统计模型，以此推断该边坡的变形稳定性。

2 数据处理方法

监测数据的整理、分析和反馈是边坡工程安全监测的重要环节，采用监测数据对边坡进行稳定性分析之前需对原始的现场观测数据进行整理、分析和图像处理，以减少测过程中的系统误差和随机误差、消除粗差。常用的粗差判别方法有“3σ”准则，图像处理方法有高斯滤波法。

2.1 “3σ”准则

2.2 高斯过程回归

图像处理中，常用的滤波算法有均值滤波、中值滤波以及高斯滤波等。高斯滤波主要可以使用两种方法实现。一种是离散化窗口滑窗卷积，另一种方法是通过傅里叶变化。文中采用离散化窗口滑窗卷积，通过高斯函数进行计算，并通过MATLAB编程实现。

3 边坡地表位移监测应用实例

3.1 概况

以某大型枢纽库岸岩质边坡(K0+000、K0+017.949、K0+022.489)位于峡江右坝肩，切坡高度约70m，边坡走向N0°～30°W，平面上略呈弧状，边坡如图1所示。该边坡监测采用动态跟踪方法设计，即根据边坡支护调整和变形发展情况，调整监测布置，监测主要监测项目有裂缝变形、锚索锚固力、地下水位及绕坝渗流量等。其中地表位移的裂缝监测采用裂缝计，该监测系统在在坡顶裂缝部位共布设6支单向裂缝计，本文以3支裂缝计监测数据作为处理对象。

图1 边坡现场情况

3.2 监测数据处理

地表位移裂缝计K4～K6裂缝计监测数据选取从2011年6月到2016年12月的200余个测值，观测频率为每月2～3次，图2为监测数据预处理前的裂缝开度随时间变化的曲线，通过“3σ”准则和高斯滤波结合处理，图3为经过粗差、图像去噪处理后裂缝开度随时间变化的曲线。

图2 预处理前裂缝开度随时间变化的曲线

图3 预处理后裂缝开度随时间变化的曲线

对比图2、图3可以看出，大部分裂缝开度数据是可信的，部分存在粗差的测值已被剔除，总体来说，通过去噪处理后数据能满足监测分析需求。

4 边坡时效变形分析方法

目前研究边坡的时效变形的方法主要有两种：一种是经验法，即通过大量的现场观测资料，建立边坡的统计模型，从而预测边坡失稳破坏是否会发生；另一种是流变力学法，即通过将流变模型与特定材料试验结果拟合，从而建立岩石流变理论模型。两者各有利弊，本次研究的边坡工程，已根据布置的监测设施获取了大量的观测数据，因此可从变形现象出发，采用经验法，建立边坡变形的统计模型并进行相应的分析计算，从而推断该边坡的安全稳定性。

4.1 常见统计模型

建立统计模型常用的方法有逐步回归法、多元回归法、加权回归法等。影响岩质边坡变形的因素很多，如荷载变化，周围环境变化等。但荷载及环境等因素很难通过监测设施直接测量，因此在进行岩质边坡变形分析主要还是以时效变形为主，考虑时间对岩质边坡的影响。

岩石材料的蠕变是研究岩质边坡变形的基础，大量研究表明[岩质边坡的监测统计模型参照岩石的蠕变公式进行，而通过大量的试验表明，岩石的蠕变函数主要有3个基本模型，其中对数型函数y(t)=ξ0+blgt+ct多用于岩质边坡的安全监测中，并由此衍生出了描述边坡时效变形的基本函数形式：

yt=b0+b1In(k+t)

(1)

yt=b0+b1In(t)+b2t

(2)

yt=b1(t-t0)+b2In(t-t0)

(3)

式中，b0，b1，b2—常数。

在实际工程应用中可通过比较以上三种模型的相关系数，选择相关系数较高的监测统计模型。

4.2 地表位移监测统计模型建立

将岩质边坡各观测点的监测资料进行整理，分别使用式(1)～(3)三个衍生模型进行建模，通过比较发现，采用时间因子lgt、t建立的统计模型效果较好。模型公式为：

y(t)=a+blgt+ct

(4)

式中，a、b、c—常数，y(t)—变量的拟合值。

将边坡3个裂缝监测点(K4、K5、K6)预处理后的监测资料通过进行统计分析，考虑到变形与测点位置有关，本次拟合的3个监测点均为裂缝外观测点，裂缝各监测点的实测曲线与拟合曲线图如图4所示。监测点拟合成果见表1。

表1 监测点拟合成果

图4 裂缝监测点拟合曲线

从表1中可以看出，该模型对边坡各裂缝监测点的拟合效果较好，相关系数处于区间[0.898，0.908]之间，由此可知公式4可以较好的描述该边坡的时效变形。

4.3 基于统计模型的监测数据分析

(1)从图4可以看出，随时间增长，K5裂缝计自2011年监测以来，裂缝开度呈明显下降趋势，K4～K6裂缝计分别在2014年8月、2014年10月出现不同程度的下降，其中裂缝计K4测点最大变形量1.85mm，K5测点最大变形量0.319mm，K6测点最大变形量0.94mm，自2011年11月K5测点裂缝逐渐开始闭合。

(2)结合边坡监测布置情况总体来看，K4～K5裂缝变形量较小，但在锚索预应力作用下，K5变形量改善明显，而测点K4～K6测点基本布置在平台附近，岩体性质较好，因此变形相对稳定。

(3)总体来看，观测点K4～K6的裂缝开度与时间变化曲线各不相同，根据拟合曲线的形状可以判断出不同位置测点的时效变形大小和趋势，总体来看，拟合曲线均呈现下降趋势，说明位移变形基本稳定，现有锚索框格梁边坡支护方案有效。

5 结语

本文基于大量裂缝变形监测数据，采用统计模型对已有裂缝变形监测数据进行分析，结合边坡监测布置情况和拟合曲线变化趋势，对边坡状态进行识别，预测边坡变形的演化趋势，进一步验证现有支护方案的合理性和可靠性。但此分析结果主要基于边坡裂缝计监测资料建立了描述边坡变形的安全监测模型及统计分析，未综合考虑锚索测力计、水位计等监测资料，且实际情况中，边坡受温度、降雨、施工等因素的影响，因此在条件允许的情况下，有必要考虑影响边坡变形的各种因素，建立多因素作用的监控模型及统计分析。