CN103268420A - 一种岩石高边坡的危险性评价方法 - Google Patents

Abstract

本发明公开一种岩石高边坡的危险性评价方法，包括如下步骤：（1）构建危险性评价指标体系；（2）划定分类等级；（3）指标无量纲处理；（4）确定评价指标的综合权重；（5）评价边坡的危险性状态。本发明所提供的岩石高边坡的危险性评价方法，综合分析和辨识影响边坡稳定的因素，融合了主观赋权法和客观权重法，应用属性识别理论和最大属性测度准则判别边坡的危险性状态。相比较现有其它方法，克服了安全系数法不能表述边坡危险性的变化程度，反映其不确定性和随机性的缺陷，实现了综合度量主观偏好和客观规律，评判更加合理，具有较强的工程意义和实用价值。

Description

一种岩石高边坡的危险性评价方法

技术领域

本发明涉及一种评价边坡危险性的方法，尤其涉及水利水电工程等领域中大型复杂岩石高边坡的危险性评价方法。

背景技术

我国幅员辽阔，地形地貌复杂多样，山区占国土面积达2/3以上。山区虽蕴藏着丰富的水能、矿藏和生物资源，但也造就了发生大型滑坡的地貌基础，潜伏着大量的危险和灾害。随着对西南地区水能资源的开发，形成了大量的高陡岩质边坡，它们普遍位于高山峡谷地段，地震断裂带发育，构造应力水平高，岩石高边坡的安全问题非常突出，严重影响和制约着水电工程的建设和运行。边坡失稳造成的滑坡灾害，已成为仅次于地震和泥石流的第三大地质灾害，给人民的生命财产造成了严重的损害。目前常用于评价边坡稳定状态的安全系数法，是在假设条件下所计算的极限平衡结果，是个较窄的评价指标，并不能表述边坡危险性的变化程度，反映其不确定性和随机性。安全系数相同，但破坏概率可能会有较大差别。识别影响边坡安全的各种因素，评定边坡的危害性等级。以便及时发现，并制定合理、有效的控制措施，避免或减轻边坡失稳所造成的损失，具有重要意义。

发明内容

发明目的：本发明的目的在于针对现有技术的不足，针对我国现有高陡边坡数目众多、存在耐久性差、安全可靠度低和抗震性能弱等现象，提出了一种适用于大型复杂岩石高边坡的危险性评价方法，全面、系统的对边坡进行合理评价。

技术方案：本发明所述的岩石高边坡的危险性评价方法，包括如下步骤：

（1）构建评价指标体系：采用等级全息建模方法（HHM）从孕灾环境、致灾因子和承灾体三个方面挖掘影响岩石高边坡的稳定因素作为评价体重中的评价指标，由指标体系中各指标构成评价指标集X＝(x₁,x₂,…,x_n)，n为指标个数；各一级评价指标集合x_i＝(x_i1,x_i2,…,x_in)；

（2）确定分类等级标准：结合灾害危险性分类标准，将岩石高边坡的危险性划分为非常安全（Ⅰ）、安全（Ⅱ）、一般（Ⅲ）、危险（Ⅳ）、非常危险（Ⅴ）五个等级，并确定相应的指标分级标准（表1），为了让每个等级之间的区间尽量均衡，用0～1来赋予相应的分值，边坡最安全状态时为1，最危险时为0；相应指标的评语集合C＝(C₁,C₂,…,C_m)，m为评价等级数；

（3）指标无量纲标准化：由于各指标的单位不同，导致评价时不具有相互可比性。因此必须先把指标的初始数据无量纲标准化，转化为0～1区间内的可比较数值，量化时定量指标采用极差化方法处理；定性指标采用专家咨询赋予各等级边界值，然后通过线性插值方法确定其属性函数完成量化；

（4）确定各评价指标的权重W=(w₁,w₂,…,w_n)：采用综合权重法来确定各指标的权重，先通过变异系数法确定客观权重，采用改进的AHP层次分析法确定主观权重，将二者结果进行寻优耦合，最后综合确定出相应指标的权重，实现主观偏好和客观规律的综合度量；各一级指标权重w＝(w₁,w₂,…,w_n)；各二级指标权重w_i＝(w_i1,w_i2,…,w_in)；具体步骤为：

①运用变异系数法确定各级指标的客观权重W_a=(w₁,w₂,…,w_n)：

a.构建判断矩阵R：

R=(r_ij)_m×n(i=1,2,…,m;j=1,2,…,n)，其中m为边坡的危险性状态分级，n为每级的评价指标；r_ij表示第i项评价指标的第j个指标的特征值；

b.计算评价指标的变异系数：

${\mathrm{\δ}}_i=D/{\stackrel{\‾}{r}}_i,$ 其中 $D=\sqrt{\frac{1}{n}\underset{j=1}{\overset{n}{\mathrm{\Σ}}}{(r_i-{\stackrel{\‾}{r}}_i)}^2},{\stackrel{\‾}{r}}_i=\frac{1}{n}\underset{j=1}{\overset{n}{\mathrm{\Σ}}}{r}_{\mathrm{ij}}$

式中δ_i、D分别表示为第i项评价指标的变异系数和均方差；

表示第i项评价指标的平均值，r_i表示第i项评价指标的特征值，n表示第i项评价指标的个数，j表示第i项相应的评价指标；

c.计算评价指标的权重:

其中w_i表示为第i项评价指标的权重，n为每级的评价指标；

②运用改进的层次分析法确定各级指标的主观权重W_b=(w₁,w₂,…,w_n)：

a.构建判断矩阵P：

同一层各元素与上一层某对应元素之间相对重要性的比较，采用指数标度法确定（表2）；b_ij表示下层次元素B_i和B_j针对于上层次元素A_k重要程度的比较值；

b.层次单排序与一致性检验：

利用方根法对判断矩阵的最大特征值λ_max及其对应特征向量求解，求出的特征向量即为各元素的权重系数；计算判断矩阵的一致性指标其中RI（取值见表3）为判断矩阵的平均随机一致性指标，CI越大表示判断矩阵的一直性越差，n表示每级相应的评价指标，CI=0表示判断矩阵完全一致；CI<0.1时，认为判断矩阵满足一致性要求，权系数分配是合理的；否则，就需重新调整判断矩阵，直至满足CI<0.1为止；

c.层次总排序与一致性检验：

层次总排序是指同一层所有元素对于目标层的相对重要性排序，该过程自上而下逐层进行，对于中间层，其层次单排序权重即为总排序权重；假定上一层所有元素A_i(i=1,2,…,m)的总排序已经完成，其各元素权重分别为a_i(i=1,2,…,m)，则与a相对应的下一层元素B_j(j=1,2,…,n)层次单b_n1b_n2b_nm排序结果为b_ij；若A_i与B_j无关，则b_ij=0，继而得到层次总排序（表4）；同样需对层次总排序进行一致性经验，该过程也是自上至下逐层进行的，层次B总排序随机一致性比率为：

$\mathrm{CR}=\frac{\underset{j=1}{\overset{n}{\mathrm{\&Sigma;}}}{a}_j{\mathrm{CI}}_j}{\underset{j=1}{\overset{n}{\mathrm{\&Sigma;}}}{a}_j{\mathrm{RI}}_j}$

当CR<0时，层次总排序结果一致性满足要求，说明权系数分配是合理的，否则从新调整判断矩阵；

③综合确定各级指标的权重W=(w₁,w₂,…,w_n)：

变异系数法和改进的层次分析法所确定的权重分别为W_a=(w₁,w₂,…,w_n)和W_b=(w₁,w₂,…,w_n)，相应的加权系数分别为a₁和a₂，且满足a₁+a₂=1；假设评价指标的组合权重为W=(ω₁,ω₂,…,ω_n)，根据最小二乘的最优化准则式中h为组合权重调节系数；W对W_a和W_b的接近程度越高，其获得的组合权重质量越好，最后可得评价指标的组合权重为：

${\mathrm{\&omega;}}_i={\left(\underset{j=1}{\overset{2}{\mathrm{\&Sigma;}}}{a}_j{\mathrm{\&omega;}}_{\mathrm{ji}}^{{\mathrm{\&eta;}}^2}\right)}^{1/\mathrm{\&eta;}}.$

（5）对边坡的危险性进行评价：

①应用属性识别理论对指标集X中的因素x_i(i=1,2,…n)逐个进行单因素评价，利用模糊数学中的属性测度函数μ来建立指标与评语等级之间的映射关系，然后将指标数值代入函数得到评价结果（表5）；

${\mathrm{\&mu;}}_i=\left\{\begin{array}{c}{v}_0-\left|\frac{x_i-a_{i0}}{a_{i0}-a_{i1}}\right|(v_0-v_1)x_i\&Element;[a_{i0},a_{i1}]\\ v_1-\left|\frac{x_i-a_{i1}}{a_{i1}-a_{i2}}\right|(v_1-v_2)x_i\&Element;(a_{i1},a_{i2}]\\ v_2-\left|\frac{x_i-a_{i2}}{a_{i2}-a_{i3}}\right|(v_2-v_3)x_i\&Element;(a_{i2},a_{i3}]\\ v_3-\left|\frac{x_i-a_{i3}}{a_{i3}-a_{i4}}\right|(v_3-v_4)x_i\&Element;(a_{i3},a_{i4}]\\ v_4-\left|\frac{x_i-a_{i4}}{a_{i4}-a_{i5}}\right|(v_4-v_5)x_i\&Element;(a_{i4},a_{i5}]\end{array}\right.$

②通过上述的属性识别计算，计算综合属性测度 ${\mathrm{\&mu;}}_j=\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}{w}_i{\mathrm{\&mu;}}_{\mathrm{ij}}(i=\mathrm{1,2},...,n;j=\mathrm{1,2},...,k),$ k表示相应的二级指标个数，其中μ_ij表示第i个一级指标的第j个二级指标的属性测度，w_i表示各二级指标权重；

③评价边坡的危险性状态：采用最大属性测度准则进行判别待评价边坡的属性测度，

则认为x属于C_m类，相对应的评语即为综合评价的结论。

本发明所提供的岩石高边坡的危险性评价方法，综合分析和辨识影响边坡稳定的因素，融合了主观赋权法和客观权重法，应用属性识别理论和最大属性测度准则判别边坡的危险性状态。相比较现有其它方法，克服了安全系数法不能表述边坡危险性的变化程度，反映其不确定性和随机性的缺陷，实现了综合度量主观偏好和客观规律，评判更加合理，具有较强的工程意义和实用价值。在此基础上可以及时发现和采取措施，最大程度的减小或避免山体变形和崩塌，保障工程长期的安全运行。

表1影响岩石高边坡稳定的指标体系及危险性等级

表2相对重要性标度

表3平均随机一致性指标取值表

阶数	1	2	3	4	5	6	7	8	9
										RI	0	0	0.52	0.89	1.12	1.26	1.36	1.41	1.46

表4层次总排序计算表

表5指标标准化区间

危险级别	评价标准区间	标准化区间值	标准化0～1取值区间
				非常安全	<ai0,ai1>	<v0,v1>	1～0.8
安全	<ai1,ai2>	<v1,v2>	0.8～0.6
				一般	<ai2,ai3>	<v2,v3>	0.6～0.4
危险	<ai3,ai4>	<v3,v4>	0.4～0.2
				非常危险	<ai4,ai5>	<v4,v5>	0.2～0

与现有方法相比，本发明的有益效果是：

（1）本发明采用的等级全息建模方法（HHM）能够从多维度、多层次的全面辨识影响岩石高边坡稳定的因素，从孕灾、致灾和承灾三个方面考虑了边坡的不确定性及相关重要因素，对复杂的、大规模的系统分析其挖掘效果更好，构建的危险性评价指标体系也更具有代表性。

（2）由于影响边坡稳定性因素众多，作用程度是不同的，且是客观存在的。仅按经验难以科学地给出权重的量值，具有一定程度的模糊性和随机性；而客观权重法易受到数据质量的影响；采用变异系数法与改进的AHP层次分析法相结合的综合权重法，融合了主观赋权法和客观权重法，消除了这两类方法的片面性，较好地解决这一问题，实现综合度量主观偏好和客观规律，使得评判结果更加合理。

（3）开展对边坡危险性评价具有重要价值，可以及时发现不稳定征兆，以便采取相应措施，最大程度的减小或避免山体变形和发生崩塌，保障工程长期的安全运行。

具体实施方式

下面对本发明技术方案进行详细说明，但是本发明的保护范围不局限于所述实施例。

实施例1：某岩石高边坡地处高山峡谷地段，构造现象复杂，岩体卸荷非常强烈、地应力水平较高，岩性复杂多变并发育有断层、层间挤压带、深部裂缝，坡度多在50°～90°之间。地质条件非常复杂，存在变形拉裂岩体、倾倒变形岩体。边坡的稳定状态直接关系到整个工程施工期和运行期的安全。对其重要关键部位左岸缆机平台边坡进行危险性评价。

该边坡部位发育有断层，且规模较大，产状为N30～50°E/SE60°～80°，地层岩性上部为砂板岩、下部为大理岩，岩体中发育有少量后期侵入的煌斑岩脉，大理岩层间还夹有绿片岩夹层。坡高75m，坡角约为70°；岩石湿抗压强度为105MPa，结构面的c、

分别为0.02Mpa和26°；岩体结构特征（RQD）85；岩体完整性系数为0.72kv；岩体地应力21.49Mpa。每年的5月～10月为雨季，雨量约占全年降雨量的90-95%，多年的平均日降雨量7mm，排水设施非常好；月累计降雨量56mm。该边坡由于开挖其上的植被已全部去掉，人工扰动很大，爆破质点振动速度10cm/s；支护非常及时和到位。

利用本发明所提供的方法对其进行危险性评价，具体步骤如下：

（1）根据HHM法分析和挖掘该边坡的孕灾环境、致灾因子和承灾体，充分考虑边坡的地理特征和实际观测结果，确定出影响岩石高边坡稳定性的因素，并进行分类，建立了危险性评价指标体系。评价指标集X=(x₁,x₂,x₃)，一级评价指标集合分别为：x₁=(x₁₁,x₁₂,...,x₁₇)；x₂=(x₂₁,x₂₂,...,x₂₆)；x₃=(x₃₁,x₃₂,...,x₃₆)

（2）结合灾害风险性分类标准，将边坡的危险性划分为五级：非常安全、安全、一般、危险和非常危险，相应的评语集合：C=(c₁,c₂,...,c₅)

（3）对各指标进行无量纲标准化，转化到0～1区间内的数值。

（4）通过变异系数法确定客观权重，采用改进的AHP层次分析法确定主观权重，将二者结果进行寻优耦合，最后综合计算出相应指标的综合权重W=(w₁,w₂,…,w_n)。

表7相应的计算结果

（5）根据上述描述，对指标集X中的因素x_i(i=1,2,3)逐个进行单因素评价，计算出各二级指标的危险性等级属性测度，地质因素的属性测度μ₁={0.469,0.184,0,0,0.052}；环境因素的属性测度μ₂={0.588,0.14,0,0,0.02}；工程作用的属性测度μ₃={0.545,0,0,0.131,0}。待评价边坡的的危险性等级属性测度：

$=\left[\mathrm{0.533,0.113,0,0.039,0.025}\right].$ 根据最大属性测度准则评判可知，左岸缆机平台边坡的危险性等级为Ⅰ级，可以保证工程的安全运行。

如上所述，尽管参照特定的优选实施例已经表示和表述了本发明，但其不得解释为对本发明自身的限制。在不脱离所附权利要求定义的本发明的精神和范围前提下，可对其在形式上和细节上作出各种变化。

Claims (2)

1.一种岩石高边坡的危险性评价方法，其特征在于包括如下步骤：

（1）构建评价指标体系：采用等级全息建模方法从孕灾环境、致灾因子和承灾体三个方面挖掘影响岩石高边坡的稳定因素作为评价体重中的评价指标，由指标体系中各指标构成评价指标集X=(x₁，x₂，...，x_n)，n为指标个数；各一级评价指标集合x_i=(x_i1，x_i2，...，x_in)；

（2）确定分类等级标准：将岩石高边坡的危险性划分为非常安全（Ⅰ）、安全（Ⅱ）、一般（Ⅲ）、危险（Ⅳ）、非常危险（Ⅴ）五个等级，并确定相应的指标分级标准，相应指标的评语集合C＝(C₁，C₂，...，C_m)，m为评价等级数；

（3）指标无量纲标准化：把指标的初始数据无量纲标准化，转化为0～1区间内的可比较数值，量化时定量指标采用极差化方法处理；定性指标采用专家咨询赋予各等级边界值，然后通过线性插值方法确定其属性函数完成量化；

（4）确定各评价指标的权重W=(w₁,w₂,…,w_n)：采用综合权重法来确定各指标的权重，先通过变异系数法确定客观权重，采用改进的AHP层次分析法确定主观权重，将二者结果进行寻优耦合，最后综合确定出相应指标的权重，实现主观偏好和客观规律的综合度量；各一级指标权重w＝(w₁，w₂，...，w_n);各二级指标权重w_i＝(w_i1，w_i2，...，w_in)；

（5）对边坡的危险性进行评价：

①应用属性识别理论对指标集X中的因素x_i(i=1,2,...n)逐个进行单因素评价，利用模糊数学中的属性测度函数μ来建立指标与评语等级之间的映射关系，然后将指标数值代入函数得到评价结果；

②通过上述的属性识别计算，计算综合属性测度 ${\mathrm{\&mu;}}_j=\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}{w}_i{\mathrm{\&mu;}}_{\mathrm{ij}}(i=\mathrm{1,2},...,n;j=\mathrm{1,2},...,k),$ k表示相应的二级指标个数，其中μ_ij表示第i个一级指标的第j个二级指标的属性测度，w_i表示各二级指标权重；

③评价边坡的危险性状态：采用最大属性测度准则进行判别待评价边坡的属性测度，

则认为x属于C_m类，相对应的评语即为综合评价的结论。

2.根据权利要求1所述的岩石高边坡的危险性评价方法，其特征在于：步骤（4）的具体步骤为：

①运用变异系数法确定各级指标的客观权重W_a=(w₁,w₂,…,w_n)：

a.构建判断矩阵R：

R=(r_ij)_m×n(i=1,2,…,m;j=1,2,…,n)，其中m为边坡的危险性状态分级，n为每级的评价指标；r_ij表示第i项评价指标的第j个指标的特征值；

b.计算评价指标的变异系数：

${\mathrm{\&delta;}}_i=D/{\stackrel{\&OverBar;}{r}}_i,$ 其中 $D=\sqrt{\frac{1}{n}\underset{j=1}{\overset{n}{\mathrm{\&Sigma;}}}{(r_i-{\stackrel{\&OverBar;}{r}}_i)}^2},{\stackrel{\&OverBar;}{r}}_i=\frac{1}{n}\underset{j=1}{\overset{n}{\mathrm{\&Sigma;}}}{r}_{\mathrm{ij}}$

式中δ_i、D分别表示为第i项评价指标的变异系数和均方差；

表示第i项评价指标的平均值，r_i表示第i项评价指标的特征值，n表示第i项评价指标的个数，j表示第i项相应的评价指标；

c.计算评价指标的权重:

其中w_i表示为第i项评价指标的权重，n为每级的评价指标；

②运用改进的层次分析法确定各级指标的主观权重W_b=(w₁,w₂,…,w_n)：

a.构建判断矩阵P：

同一层各元素与上一层某对应元素之间相对重要性的比较，采用指数标度法确定；b_ij表示下层次元素B_i和B_j针对于上层次元素A_k重要程度的比较值；

b.层次单排序与一致性检验：

利用方根法对判断矩阵的最大特征值λ_max及其对应特征向量求解，求出的特征向量即为各元素的权重系数；计算判断矩阵的一致性指标

其中RI为判断矩阵的平均随机一致性指标，CI越大表示判断矩阵的一直性越差，n表示每级相应的评价指标，CI=0表示判断矩阵完全一致；CI<0.1时，认为判断矩阵满足一致性要求，权系数分配是合理的；否则，就需重新调整判断矩阵，直至满足CI<0.1为止；

c.层次总排序与一致性检验：

层次总排序是指同一层所有元素对于目标层的相对重要性排序，该过程自上而下逐层进行，对于中间层，其层次单排序权重即为总排序权重；假定上一层所有元素A_i(i=1,2,…,m)的总排序已经完成，其各元素权重分别为a_i(i=1,2,…,m)，则与a相对应的下一层元素B_j(j=1,2,…,n)层次单b_n1b_n2b_nm排序结果为b_ij；若A_i与B_j无关，则b_ij=0，继而得到层次总排序；同样需对层次总排序进行一致性经验，该过程也是自上至下逐层进行的，层次B总排序随机一致性比率为：

$\mathrm{CR}=\frac{\underset{j=1}{\overset{n}{\mathrm{\&Sigma;}}}{a}_j{\mathrm{CI}}_j}{\underset{j=1}{\overset{n}{\mathrm{\&Sigma;}}}{a}_j{\mathrm{RI}}_j}$

当CR<0时，层次总排序结果一致性满足要求，说明权系数分配是合理的，否则从新调整判断矩阵；

③综合确定各级指标的权重W=(w₁,w₂,…,w_n)：

变异系数法和改进的层次分析法所确定的权重分别为W_a=(w₁,w₂,…w_n)和W_b=(w₁,w₂,…,w_n)，相应的加权系数分别为a₁和a₂，且满足a₁+a₂=1；假设评价指标的组合权重为W=(ω₁,ω₂,…,ω_n)，根据最小二乘的最优化准则

式中η为组合权重调节系数；W对W_a和W_b的接近程度越高，其获得的组合权重质量越好，最后可得评价指标的组合权重为：

${\mathrm{\&omega;}}_i={\left(\underset{j=1}{\overset{2}{\mathrm{\&Sigma;}}}{a}_j{\mathrm{\&omega;}}_{\mathrm{ji}}^{{\mathrm{\&eta;}}^2}\right)}^{1/\mathrm{\&eta;}}.$