CN106952000A - 一种喀斯特区域滑坡灾害风险动态评估方法 - Google Patents

Abstract

本发明公开了一种喀斯特区域滑坡灾害风险动态评估方法，其包括：选取降雨量、位移矢量和沉降量作为致灾因子；对致灾因子、山体稳定度进行量化、归一化处理和权重确定；以大量区域灾害统计及人工降雨侵蚀试验结果为训练样本，采用改进BP网络计算方法对神经网络进行训练直至达到误差要求，获得致灾因子与山体稳定度安全系数的映射关系；使用激光扫描技术对山体的实貌图像进行处理获取山体的三维几何坐标，根据获得的三维几何坐标进行逐层三维建模得到三维模型，再对三维模型进行网格划分；将映射关系和致灾因子输入到三维模型进行数值模拟评估，得到评估结果。该方法能够有效预测发生滑坡的可能性，以便及时对危险区域进行防治。

Description

一种喀斯特区域滑坡灾害风险动态评估方法

技术领域

本发明涉及滑坡灾害风险评估领域，特别是涉及一种喀斯特区域滑坡灾害风险动态评估方法。

背景技术

喀斯特作为特殊的地质地貌，其区域内多发的地质灾害，特别是滑坡灾害已成为影响"三农"乃至区域经济社会发展的重要因素。

目前，关于喀斯特区域的滑坡灾害的研究主要方向是建立灾害数据库，以实现动态监测和预测等预防措施。总的来说，关于喀斯特区域的滑坡的研究不多，特别是滑坡灾害风险评估方面的研究更是少之又少。

发明内容

本发明主要解决的技术问题是提供一种喀斯特区域滑坡灾害风险动态评估方法，能够有效预测发生滑坡的可能性，以便及时对危险区域进行防治。

为解决上述技术问题，本发明采用的一个技术方案是：提供一种喀斯特区域滑坡灾害风险动态评估方法，包括以下步骤：S1：选取降雨量、位移矢量和沉降量作为致灾因子；S2：对致灾因子、山体稳定度进行量化、归一化处理和权重确定；S3：以大量区域灾害统计及人工降雨侵蚀试验结果为训练样本，采用BP人工神经网络方法，给定BP网络层数及相应层之间的权重向量，采用改进BP网络计算方法对神经网络进行训练直至达到误差要求，获得致灾因子与山体稳定度安全系数的映射关系；S4：使用激光扫描技术对山体的实貌图像进行处理获取山体的三维几何坐标，根据获得的三维几何坐标进行逐层三维建模得到三维模型，再对三维模型进行网格划分；S5：将所述映射关系和所述致灾因子输入到三维模型进行数值模拟评估，得到评估结果。

其中，所述对三维模型进行网格划分之前，还包括：根据计算机计算速度确定单元网格的尺寸大小。

其中，所述步骤S2具体包括：S21：采用隶属度函数法对致灾因子进行量化得到量化数据；S22：以sigmoid函数为激活函数对所述量化数据进行归一化处理，将所述量化数据转化为[0.1-0.9]区间的数值；S23：将山体稳定度分类为稳定、基本稳定、不稳定三类，并以sigmoid函数为激活函数进行归一化处理，将山体稳定度转化为[0.1-0.9]区间的安全系数；S24：构建层次结构模型，所述层析结构模型包括由下至上的方案层、准则层和目标层，其中，目标层为山体稳定度，方案层为各致灾因子，采用改进层次分析计算方法得到各层次的权重向量。

本发明的有益效果是：区别于现有技术的情况，本发明通过选取降雨量、位移矢量和沉降量作为致灾因子，再利用大量区域灾害统计及人工降雨侵蚀试验结果得到致灾因子与山体稳定度安全系数的映射关系，并建立喀斯特地貌滑坡的三维模型，通过将映射关系和致灾因子输入到三维模型进行数值模拟评估，直观的展现出山体滑坡危险区域的分布，从而能够有效预测发生滑坡的可能性，以便及时对危险区域进行防治。

附图说明

图1是本发明实施例喀斯特区域滑坡灾害风险动态评估方法的流程图。

图2是图1中步骤S2的具体流程图。

图3是山体的实貌图像与三维模型的对比图。

图4是进行数值模拟评估后得到的山体结构面位移矢量及其弹塑性区域分布的模拟结果示意图。

图5是进行数值模拟评估后得到的山体沉降量的模拟结果示意图。

具体实施例

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

参阅图1，是本发明实施例喀斯特区域滑坡灾害风险动态评估方法的流程图。本方法包括以下步骤：

S1：选取降雨量、位移矢量和沉降量作为致灾因子。

其中，确定致灾因子是开展滑坡灾害风险评估的第一步。确定致灾因子，建立评估体系要充分考虑喀斯特地貌的地理特征，本发明根据大量区域灾害统计及人工降雨侵蚀试验结果确定降雨量、位移矢量和沉降量的主要致灾因子。

S2：对致灾因子、山体稳定度进行量化、归一化处理和权重确定。

在本实施例中，如图2所示，步骤S2具体包括：

S21：采用隶属度函数法对致灾因子进行量化得到量化数据。致灾因子的定量指标直接根据实际值以衡量，将各定性指标分为3级，通过给各等级赋予边界值，然后通过线性差值的方法确定其隶属函数，完成定性指标的量化。在其他实施例中，定性指标的量化还可以采用德尔菲法、统计分析法和信息量法其中之一进行。

S22：以sigmoid函数为激活函数对量化数据进行归一化处理，将量化数据转化为[0.1-0.9]区间的数值。

S23：将山体稳定度分类为稳定、基本稳定、不稳定三类，并以sigmoid函数为激活函数进行归一化处理，将山体稳定度转化为[0.1-0.9]区间的安全系数。

S24：构建层次结构模型，所述层析结构模型包括由下至上的方案层、准则层和目标层，其中，目标层为山体稳定度，方案层为各致灾因子，采用改进层次分析计算方法得到各层次的权重向量。

S3：以大量区域灾害统计及人工降雨侵蚀试验结果为训练样本，采用BP人工神经网络方法，给定BP网络层数及相应层之间的权重向量，采用改进BP网络计算方法对神经网络进行训练直至达到误差要求，获得致灾因子与山体稳定度安全系数的映射关系。

S4：使用激光扫描技术对山体的实貌图像进行处理获取山体的三维几何坐标，根据获得的三维几何坐标进行逐层三维建模得到三维模型，再对三维模型进行网格划分。

其中，采用Rhino软件进行逐层三维建模，用Kubrix软件进行网格划分。在本实施例中，对三维模型进行网格划分时，还包括：根据计算机计算速度确定单元网格的尺寸大小。如图3所示，是山体的实貌图像与三维模型的对比图。图中，图（a）为山体的实貌图像，图（b）为三维模型，从图中可以看出，三维模型与三体的轮廓基本一致。

S5：将映射关系和致灾因子输入到三维模型进行数值模拟评估，得到评估结果。

其中，使用Itasca公司的数值计算软件3DEC(3 Dimension Distinct ElementCode)进行数值模拟评估，3DEC是一款基于离散单元法作为基本理论以描述离散介质力学行为的计算分析程序，并且可以进行静力学和动力学分析。模拟中需要的岩石的力学参数通过室内单轴压缩、剪切及抗拉试验获取，模拟中考虑岩体的风化，对于岩体强度采用强度折减系数进行折减。数值模拟评估结果可以直观的表现出岩体不同区域的力学特性以及随时间发展岩体的破坏情况。如图4所示，是山体结构面位移矢量的数值模拟结果在左边，山体结构面的弹塑性区域分布数值模拟结果在右边。如图5所示，是山体沉降量数值模拟结果。通过评估结果，可以预测出山体滑坡危险区域，从而有效预测发生滑坡的可能性。

通过上述方式，本发明通过选取降雨量、位移矢量和沉降量作为致灾因子，再利用大量区域灾害统计及人工降雨侵蚀试验结果得到致灾因子与山体稳定度安全系数的映射关系，并建立喀斯特地貌滑坡的三维模型，通过将映射关系和致灾因子输入到三维模型进行数值模拟评估，直观的展现出山体滑坡危险区域的分布，从而能够有效预测发生滑坡的可能性，以便及时对危险区域进行防治。

以上所述仅为本发明的实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (3)

1.一种喀斯特区域滑坡灾害风险动态评估方法，其特征在于，包括以下步骤：

S1：选取降雨量、位移矢量和沉降量作为致灾因子；S2：对致灾因子、山体稳定度进行量化、归一化处理和权重确定；S3：以大量区域灾害统计及人工降雨侵蚀试验结果为训练样本，采用BP人工神经网络方法，给定BP网络层数及相应层之间的权重向量，采用改进BP网络计算方法对神经网络进行训练直至达到误差要求，获得致灾因子与山体稳定度安全系数的映射关系；S4：使用激光扫描技术对山体的实貌图像进行处理获取山体的三维几何坐标，根据获得的三维几何坐标进行逐层三维建模得到三维模型，再对三维模型进行网格划分；S5：将所述映射关系和所述致灾因子输入到三维模型进行数值模拟评估，得到评估结果。

2.根据权利要求1所述的方法，其特征在于，所述对三维模型进行网格划分之前，还包括：根据计算机计算速度确定单元网格的尺寸大小。

3.根据权利要求2所述的方法，其特征在于，所述步骤S2具体包括：S21：采用隶属度函数法对致灾因子进行量化得到量化数据；S22：以sigmoid函数为激活函数对所述量化数据进行归一化处理，将所述量化数据转化为[0.1-0.9]区间的数值；S23：将山体稳定度分类为稳定、基本稳定、不稳定三类，并以sigmoid函数为激活函数进行归一化处理，将山体稳定度转化为[0.1-0.9]区间的安全系数；S24：构建层次结构模型，所述层析结构模型包括由下至上的方案层、准则层和目标层，其中，目标层为山体稳定度，方案层为各致灾因子，采用改进层次分析计算方法得到各层次的权重向量。