基于监测数据云模型的滑坡安全稳定性评价

陈泉余 李红明

广西交科集团有限公司 广西 南宁 530007

引言

由于广西的地理位置、气候、地形地貌等特征，使得广西成为我国地质灾害最严重、受威胁人口最多的省份之一。滑坡作为公路地质灾害的主要表现形式之一，其造成的灾毁损失是相当巨大的。

目前，在滑坡安全评价方法主要有模糊综合评价法[1]、神经网络评价法[2]、灰色系统评价法[3]、物元可拓评价法[4]、云模型评价法[5]；在滑坡监测预警方面主要是通过预警判据（阈值）作为预警的手段，预警判据主要有位移速率、位移及速度、切线角、降雨等[6]。本文提出将云模型评价方法和监测预警进行有机结合对滑坡进行稳定性评价。

1 监测云模型及安全评价

1.1 云模型的定义

云模型是根据特定的结构算法实现转换定性概念与定量数值的模型，云模型的基本定义为：给定定量论域U，设定G是U上的定性概念，若定量值xeU，且x是G上一次随机实现，设μ(x)∈[0,1]是x对G的确定度且满足：

则x在论域U上的分布称之为云，每一个x代表一个云滴，云滴是定性概念的定量描述。

云模型用3个数字特征表示：期望值Ex，熵En和超熵He，即（Ex，En，He）。Ex是对定性概念基本信息的度量，也是论域的中心值；En是反映定性概念的不确定性，体现了概念的随机性和模糊性；He为熵En的熵，是En的不确定性的度量，是云滴厚度的间接反映。

1.2 无确定度逆向云发生器

无确定度的逆向云发生器的具体算法如下[7]。

输出：数据样本的期望Ex，熵En和超熵He。

在无确定度情况下，计算云滴的样本超熵时，数据样本应满足方差绝对值大于熵的绝对值，即S2-En2≥0。若差值为零，得到的超熵为虚数，没有任何实际意义，这时需要对监测数据样本进行采样分组，分别求出En与He的估计值。

1.3 边坡安全等级划分

参考规范及相关文献，将滑坡安全等级划分为非常安全、安全、基本安全、危险、非常危险五级[8]。为均衡各安全等级之间的评语值区间，采用黄金分割法生成s朵云表示语言评价值。计算公式如表1所示。

表1 黄金分割法的云模型参数计算

定义有效论域为U=[0,1]和He0=0.010，利用表1的计算公式得标准云模型的数字特征结果如表2所示。滑坡安全状态对应的云模型数字特征利用正向云发生器生成云滴，将定性知识转化为定量表示。绘制滑坡安全评价云图如图1所示。

图1 滑坡安全状态级别云图

表2 滑坡安全状态定义及云模型数字特征

1.4 监测云模型及安全评价

通常在滑坡体上会布设多个监测点，这就需要结合多个监测点的监测数据来计算云模型的特征参数，实现对滑坡进行安全评价，由此提出综合云。对于最高层的监测云模型参数采用综合云，综合云是将两个及两个以上的监测基云进行综合生成新云。将每个监测基云根据对应监测点的监测权重构建综合云模型，监测云模型计算如下：

式3、式4中，Ex，En，He分别表示监测云的数字特征（期望、熵以及超熵）；Exi，Eni，Hei分别表示第i个监测点评价云数字特征；iω为第i个评价指标的权重。

云模型的最终评价结果是一个以云参数形式的数学模型，为了使构建的评价指标结果更直观表达，采用贴近度[9]来判别滑坡安全等级。通过计算综合云等级与标准云的贴近度来确定：

式5中，T为综合云等级的贴近度，Ex为综合云期望，为标准云期望。贴近度越大，滑坡综合云等级越接近对应标准云等级。

2 应用案例分析

2.1 项目概况

S301线K95+100～K95+400段为原公路建设分级开挖形成路堑边坡，坡比约1∶1.0，边坡高差达120m，坡脚设计2.5～3m高现浇砼挡墙支挡。该边坡土质疏松，左侧存在潜在滑坡体，平均厚度9m，潜在滑坡土石方量大于100000m³，为中型滑坡。为保障道路的通行安全，在主滑体上布设一个监测断面，在监测断面上布设两个GNSS监测点，监测点布设见图2。

图2 某处滑坡现状及监测点分布

2.2 监测结果与分析

2022年1月22日监测设备开始正常的监测数据采集工作，6月8日加速下滑后，6月11日通过现场巡查发现挡墙开裂、路面出现隆起，滑坡后缘裂缝贯通，6月12日封闭交通，2022年7月11日因坡体施工整治拆除设备。监测结果见表3和图3。

图3 变形-降雨-时间监测曲线图

表3 平面位移监测统计表

监测结果分析。

2.2.1 从监测曲线图可以看出，监测总体可以分为3个阶段：1月22日-4月28日，这个阶段坡体变形较小（平均变形速率为0.06mm/d），整体处于蠕变阶段；4月29日-6月7日，这个阶段坡体因为降雨原因，变形增大（平均变形速率2.85mm/d），处于匀速变形阶段；6月8日以后，坡体加速下滑（平均速率为25.23mm/d），处于加速变形阶段，坡体有较大的滑塌风险。

2.2.2 随着雨季的到来，变形也随着土壤含水率的增加也逐渐变大，直至坡体加速下滑，说明变形量的大小与降雨量具有较强的相关性且有一定的滞后性。

2.3 复合监测云模型的构建与分析

根据监测点的分布以及观测点周围环境，G1和G2监测点的主观权重分别为0.6和0.4，平面和垂直位移的主观权重均为0.5，通过监测点监测时间序列先分别计算出G1和G2的平面和垂直位移的模型特征，再根据主观权重计算出平面和垂直位移的云模型特征，最后计算出监测的复合云模型特征，计算结果表4所示。

表4 变形监测评价指标的云模型参数

根据变形监测指标的云模型数字特征，利用正向云发生器进行5000次正态随机模型产生云滴，得到变形监测指标安全等级云滴分布图如图4所示。

图4 变形监测综合评价结果云滴分布图

根据最大隶属度原则可知变形监测评价云位于Ⅳ级和Ⅵ级两个标准等级之间，利用贴近度公式计算变形监测评价云中心值Ex与Ⅳ级标准云中心值的贴近度（T-）为5.065，与Ⅵ级标准云中心值的贴近度（T+）为8.964，贴近度越大，变形监测评价云越靠近此标准云，此刻判断该滑坡体的安全等级可评定为Ⅵ级，处于非常危险。

3 结束语

本文利用GNSS监测手段对滑坡体进行监测，利用云模型构造监测云模型，实现对滑坡体的安全评价。通过S301线K95+100～K95+400段滑坡监测结果进行分析并构造监测云模型，结合巡现场的实际情况，计算结果表明可以通过监测云模型可实现实时在线对滑坡监测的安全评价。