基于信息分解的滑坡变形稳定性评价及预警分析

邓小鹏

摘要：为实现滑坡稳定性评价及临灾预警等级划分，以三峡库区八字门滑坡为例，结合滑坡变形监测成果，先利用双树复小波实现滑坡变形信息分解，以剔除滑坡变形数据的误差信息，保证后续分析数据的准确性;其次，利用尖点突变理论对滑坡稳定性进行评价;最后，利用极限位移准则和V/S分析分别进行滑坡现状预警和后期预警，以实现滑坡预警综合评价。实例分析结果表明：滑坡变形数据的确含有一定量的误差信息，对滑坡稳定性评价及预警分析具有较大影响;双树复小波能有效分离滑坡变形的有用信息和误差信息，但在信息分解过程中应注重参数优化筛选，以保证分离效果;八字门滑坡现状处于稳定状态，且滑坡后部稳定性相对更强，前部稳定性相对更弱;在预警分析方面，八字门滑坡现状预警等级为Ⅲ级，且其后期预警显示其变形仍将持续增加，进而建议对滑坡进行较高频率监测，并做好避让措施准备，以切实保证区内居民的生命财产安全。

关 键 词：

稳定性评价; 预警分析; 信息分解; 双树复小波; 尖点突变理论; V/S分析; 八字门滑坡; 三峡库区

中图法分类号： P642.22

文献标志码： A

DOI：10.16232/j.cnki.1001-4179.2021.05.016

三峡库区地形地貌较为复杂，加之地质构造发育，使得区内滑坡灾害历来较多，且三峡水库蓄水以来，库区水位周期性波动，诱发了大量滑坡灾害，严重威胁区内居民的生命财产安全，因而开展库区滑坡灾害研究具有重要意义[1-3]。目前，针对库区滑坡的研究虽相对较多，但滑坡稳定性评价及其预警分析一直都是滑坡研究的热点课题，仍有相关问题兹待解决。

在滑坡稳定性评价方面，吴云等[4]利用数值模拟开展了滑坡稳定性研究，有效掌握了不同工况条件下的滑坡稳定性;唐红梅等[5]利用传递系数法进行了滑坡稳定性分析，为滑坡稳定性计算及其设计提供了理论依据。上述研究虽为库区滑坡稳定性计算奠定了基础，但数值模拟难以表达滑坡的不均匀特征，而传递系数法又是在相应假设条件下构建的，因而上述研究均存在一定不足，仍需进一步开展滑坡稳定性研究。

在滑坡预警分析方面，李聪等[6]在滑坡变形阶段划分的基础上，利用变形速率指标构建了滑坡预警判据;苑谊等[7]在阈值设定基础上，通过区间定值实现了滑坡预警等级的定量划分;黄晓虎等[8]在勘查成果基础上，构建了滑坡临灾预警系统，为滑坡预警提供了一种新的思路。上述研究在滑坡预警方面取得了一定成果，但均未涉及极限位移准则条件下的滑坡预警分析，也未涉及滑坡后期预警分析。

同时，三峡库区滑坡众多，其中，八字门滑坡规模较大，威胁对象较为复杂，对其研究很有必要。目前，已有相应学者开展了八字门滑坡的相关研究，如尚敏等[9]利用一元线性回归实现了滑坡累计变形预测研究;熊珅等[10]则开展了滑坡变形机理分析;魏东等[11]则利用数值模拟开展了滑坡稳定性评价。上述研究虽为八字门滑坡防治奠定了基础，但未涉及基于滑坡变形成果基础上的滑坡稳定性评价与预警分析。因此，本文以八字门滑坡为工程背景，基于其现场变形监测成果，先利用双树复小波实现其信息分解;再利用尖点突变理论实现其稳定性评价;最后，利用极限位移准则和V/S分析分别实现滑坡的现状预警和后期预警分析，以期为八字门滑坡的灾害防治及群防群测提供一定的参考依据。

1 基本原理

2 实例分析

2.1 工程概况

八字门滑坡隶属秭归县归州镇，位于三峡大坝上游约38 km处，两侧边界为同源冲沟，前缘侵入长江，呈上窄下宽的不规则扇形形态。滑坡纵向长度为550 m，宽度间于80～120 m，面积约13.5万m2，平均厚度约30 m，体积约400万m3，属深层大型滑坡[9-11]。

根据现场调查，滑坡区具侵蚀构造中低山地貌，地形上陡下缓，后侧斜坡坡度介于40°～60°之间，中下部具有3级平台，呈陡缓阶梯状特征，其中，一、二级平台斜坡坡度相对较缓，间于5°～10°，规模较小，而三级平台相对较陡，前缘斜坡坡度10°～25°。同时，据钻孔资料可知，滑体由上至下的岩性可分为3層，即填筑土、粉质黏土和碎石土，其中，填筑土主要是由坡体中部公路修建产生的弃土，厚度变化差异较大，介于1～10 m之间，夹杂一定量的碎石，粒径多间于3～30 cm;粉质黏土主要分布于滑坡中部，呈褐红色，具可塑～硬塑状，厚度间于4～20 m，平均厚度约12 m;碎石土在区内分布较广，呈褐黄色，厚度间于6～50 m，平均厚度30 m，母岩岩性以砂岩为主。滑带可分为2层，其中，主滑带位于基覆界面，埋深变化较大，后部多间于8～20 m，中部间于30～48 m，前缘间于15～20 m，岩性以粉质黏土为主，含有少量角砾，其母岩成分为砂岩;次滑带主要位于滑坡中部，分布差异较大，在滑坡后缘埋深主要间于6～18 m，岩性主要以粉质黏土为主，而在滑坡中下部埋深主要间于27～33 m，岩性主要以碎石土为主。

滑坡区水文条件也较为复杂，其中，地表水主要以前缘香溪河流水为主，其水位随三峡库区水位波动影响较大，对滑坡前缘岸坡稳定具有较大影响。地下水按其赋存条件主要分为裂隙水和孔隙水两类，前者主要赋存于下覆基岩裂隙中，后者主要赋存于上部堆积体孔隙中，两者多接受降雨补给，并向前缘河流排泄，对滑坡稳定性具有一定影响。

受库区蓄水波动影响，八字门滑坡历年均出现不同程度的变形破坏，为充分掌握其变形规律，对其进行了变形监测，共计布设了4个监测点（见图1），其中，ZG110和ZG111监测点的监测数据较为完整。

同时，值得指出的是，分析过程中的时间分布对预警结果也存在一定影响，若分析周期过长，较早的监测成果对现有滑坡稳定性的预警贡献较小，甚至起反作用，不利于现状预警分析;反之，若分析周期过短，则难以避免近期偶然因素对预警结果的影响。因此，合理的分析周期对预警效果具有一定影响，结合工程实际，确定2009～2012年的监测成果作为本文预警分析的数据来源，若需更新后续监测成果，用最新监测成果替换原有较早监测成果即可，以实现其滚动预警分析。

在监测过程中，监测频率1次/月，共计得到48个监测样本，其变形曲线如图2所示。由图2可知：ZG111监测点累计变形相对更大，已达939.2 mm，而ZG110监测点的累计变形为774.1 mm，且两者均具有阶梯波动特征，分析其原因应与库水位及降雨周期性变化相关。

2.2 信息分解分析

如前所述，滑坡变形数据含有有用信息和误差信息，先利用双树复小波对其进行信息分解处理，且为了保证小波参数的最优性，对阈值选取方法、阈值选取标准及分解层数参数进行优化筛选，具体分析结果如下。

（1） 不同阈值选取方法优化。

先设定阈值选取标准为启发阈值，分解层数为12层，得软阈值和硬阈值选取方法的筛选结果如表3所列。由表3可知，硬阈值的信息分离效果评价指标值为2.511，而软阈值的信息分离效果评价指标值为2.437，前者的分离效果相对更优，因而确定本文双树复小波的阈值选取方法为硬阈值。

（2） 不同阈值选取标准优化。

双树复小波的阈值选取标准主要有4类，即极限阈值、启发阈值、无偏阈值和固定阈值，筛选结果如表4所列。由表4可知，固定阈值的信息分离效果评价指标值为2.597，相对最大，说明其分离效果相对最优，其次是启发阈值、无偏阈值和极限阈值，进而确定本文双树复小波的阈值选取标准为固定阈值。

（3） 不同分解层数优化。

在确定硬阈值选取方法和固定阈值标准的基础上，将分解层数的筛选范围设定为8～16层间的偶数层，所得筛选结果如表5所列。由表5可知，不同分解层数的分离效果存在一定差异，随分解层数增加，分离效果呈先优后差趋势，当14层分解时，其信息分离效果评价指标值为2.653，相对最优，进而确定本文双树复小波的分解层数为14层。

（4） 信息分离效果验证。

通过前述，已筛选确定参数优化后的双树复小波，为验证其分离效果，再将其结果与部分传统小波的分离效果进行对比，得其结果如表6所列。由表6可知：不同传统小波的分离效果也存在一定差异，其中，cof小波和sym小波的信息分离效果评价指标均值分别为2.506和2.515，均小于本文双树复小波的2.653，进一步验证了信息分解模型的有效性。

通过上述分析，得知本文信息分解模型较传统小波模型具有一定的优越性，验证了双树复小波在滑坡变形数据信息分解中的适用性，并将其分解结果作为后续分析的数据基础。

2.3 滑坡稳定性评价

在前述信息分解基础上，利用尖点突变理论对滑坡变形的有用信息进行稳定性分析，且为了对比信息分解对滑坡稳定性的影响，也利用尖点突变理论对原始变形数据进行对比分析研究，结果如表7所列。

由表7可知，信息分解前、后的突变特征值均大于0，说明滑坡现状均处于稳定状态，但通过信息分解，相应监测点的突变特征值均出现不同程度的减小，说明通过误差信息剔除，可使稳定性分析结果趋于保守，更加利于灾害防治。同时，ZG111监测点的突变特征值较ZG110监测点更大，说明前者的稳定性相对更强，结合监测点分布位置可知，滑坡后部稳定性相对更强，前部稳定性相对更弱。

因此，滑坡稳定性整体处于稳定状态，且误差信息对其稳定性评价具有一定影响，从侧面验证了本文滑坡变形信息分解的必要性。

2.4 滑坡预警分析

根据本文思路再对滑坡进行预警分析，且将预警过程分述为现状预警和后期预警两方面，具体分析过程如下。

（1） 现状预警分析。

通过极限位移求解，再求得其预警系数，得其现状预警结果如表8所列。在极限位移值方面，ZG111监测点的极限变形值要大于ZG110监测点的极限变形值，说明滑坡后缘的变形程度相对更大;同时，在信息分解前，ZG110监测点的预警等级为Ⅱ级，其余条件下，各监测点的预警等级均为Ⅲ级，结合预警系数大小和预警等级，说明信息分解前的预警等级相对略低，即通过信息分解后的预警等級评价相对更保守，与前述稳定性评价结果一致。

（2） 后期预警分析。

如前所述，通过误差信息分解，能使分析结果趋于保守，且滑坡变形的有效信息分析更具真实性，进而利用其进行滑坡后期预警分析。

首先，利用V/S分析得到滑坡后期预警分析结果如表9所列。根据表9可知，在拟合效果方面，两监测点的拟合度均较趋近于1，且误差平方和也较小，进而说明其拟合效果较优，所得趋势判断参数的可信度较高;同时，两监测点的Hurst指数均大于0.5，说明滑坡变形发展趋势与现有趋势相同，呈持续增加趋势，且根据趋势等级划分，得知ZG110监测点趋势等级为Ⅱ级，趋势程度为较强，而ZG111监测点趋势等级为Ⅲ级，趋势程度为强，得前者趋势性相对略弱;另外，两监测点的CM值均大于0，说明两变形序列具有正相关特征，且ZG111监测点的相关性相对更大。

其次，通过前述分析，已判断滑坡变形的后期发展情况，再利用V/S分析对滑坡变形发展趋势进行阶段性评价，以分析其阶段性发展规律;同时，将滑坡周期划分为4个阶段，每阶段递增12个周期，所得阶段性分析结果如表10所列。

根据表10可知，两监测点的Hurst指数在不同阶段均大于0.5，说明滑坡变形呈持续增加趋势，但其值随时间增加，逐步减小，得出其趋势性趋于减弱;同时，两监测点的CM值均大于0，说明两变形序列始终呈正相关特征，且其CM值逐步减小，相关性也趋于减弱。

根据上述滑坡预警分析，得出八字门滑坡现状预警等级为Ⅲ级，即应进行较高频率监测，并做好避让措施准备，且其后期预警趋于增强趋势，进而应加大滑坡灾害防治力度，切实做好防失稳准备。

3 结 论

以三峡库区八字门滑坡变形监测成果为基础，在变形信息分解的基础上，通过滑坡稳定性评价和预警分析，主要得出如下结论。

（1） 受监测环境、人为误差等因素影响，滑坡变形数据含有一定量的误差信息，对滑坡稳定性评价及预警分析均有较大影响，进而在变形数據应用过程中，很有必要进行有用信息与误差信息的分解处理，且双树复小波在滑坡变形数据信息分解中的效果较好，但其应用过程应注重参数优化，以切实保证分离效果。

（2） 通过稳定性评价，得知八字门滑坡在现状条件下处于稳定状态，且ZG11监测点的突变特征值较ZG110监测点更大，说明前者的稳定性相对更强，即滑坡后部稳定性相对更强，前部稳定性相对更弱。

（3） 通过预警分析，得知八字门滑坡现状预警等级为Ⅲ级，且其后期预警显示其变形仍将持续增加，滑坡稳定性趋于减弱趋势，进而建议对滑坡进行较高频率监测，并做好避让措施准备。

（4） 由于八字门滑坡监测过程较长，加之采用的监测手段具有一定差异，建议后期可进一步开展不同监测手段条件下或不同周期条件下的预警分析，以进一步验证本文预警思路的准确性。

参考文献：

[1] 陈才.三峡库区地质灾害类型和灾害机理研究[J].灾害学，2019，34（2）：37-42.

[2] 于宪煜，熊十力.基于空间多尺度分析的滑坡易发性评价：以三峡库区秭归：巴东段为例[J].大地测量与地球动力学，2020，40（2）：187-192.

[3] 李松林，许强，汤明高，等.三峡库区滑坡空间发育规律及其关键影响因子[J].地球科学，2020，45（1）：341-354.

[4] 吴云，张锐，乐琪浪，等.基于模糊数学和Geo-Studio的滑坡稳定性综合评价[J].科学技术与工程，2017，17（23）：168-173.

[5] 唐红梅，周云涛，陈洪凯.类土质岸坡渗流稳定性的修正传递系数法：以三峡库区凉水井滑坡为例[J].重庆师范大学学报（自然科学版），2017，34（5）：44-48.

[6] 李聪，朱杰兵，汪斌，等.滑坡不同变形阶段演化规律与变形速率预警判据研究[J].岩石力学与工程学报，2016，35（7）：1407-1414.

[7] 苑谊，马霄汉，李庆岳，等.由树坪滑坡自动监测曲线分析滑坡诱因与预警判据[J].水文地质工程地质，2015，42（5）：115-122，128.

[8] 黄晓虎，雷德鑫，郭飞，等.基于变形监测的运动型滑坡临灾预警系统研究[J].防灾减灾工程学报，2019，39（5）：802-808.

[9] 尚敏，廖芬，马锐，等.基于一元线性回归模型八字门滑坡累积位移预测[J].工程地质学报，2019，27（5）：1172-1178.

[10] 熊珅，易武，王力，等.三峡库区八字门滑坡变形破坏机理分析[J].中国地质灾害与防治学报，2019，30（5）：9-18.

[11] 魏东，王孔伟，胡安龙，等.基于三峡库区库水位和降雨统计分析的八字门滑坡稳定性评价[J].水土保持通报，2018，38（3）：174-179.

[12] 梁月吉，任超，庞光锋，等.结合模平方的双树复小波变形监测数据滤波[J].测绘科学，2016，41（6）：23-27.

[13] 罗甘，梁月吉，黄仪邦.基于双树复小波的变形监测数据去噪分析[J].大地测量与地球动力学，2018，38（9）：958-963.

[14] 田成成，张盛生，张磊，等.基于尖点突变理论及非趋势波动分析的滑坡稳定性及变形特征研究[J].大地测量与地球动力学，2018，38（8）：806-810.

[15] 冯非凡，武雪玲，牛瑞卿，等.一种V/S和LSTM结合的滑坡变形分析方法[J].武汉大学学报（信息科学版），2019，44（5）：784-790.

[16] 邬长福，涂志刚，万佳威，等.基于R/S分析与V/S分析的滑坡变形趋势判断及稳定性研究[J].水电能源科学，2015，33（1）：111-114.

（编辑：胡旭东）