CN111445120B - 一种滑坡运动距离超越概率计算方法 - Google Patents

Abstract

本申请提供了一种滑坡运动距离超越概率计算方法，所述方法包括：针对滑坡对象，建立关于所述滑坡对象的动态数值模型；将选定的所述动态数值模型的输入参数作为随机变量，并确定所述随机变量的统计特征；利用拉丁超立方抽样LHS方法将所述随机变量分层抽样，生成多组随机样本；将所述随机样本以所述统计特征输入所述动态数值模型，计算每组随机样本对应的滑坡运动距离；根据承灾体与所述滑坡对象的实际距离，确定滑坡运动距离阈值；计算所述滑坡运动距离超过所述滑坡运动距离阈值的概率，能够有效量化输入参数的不确定性，以提高滑坡滑程预测结果的可靠性。

Description

一种滑坡运动距离超越概率计算方法

技术领域

本申请涉及滑坡预测技术领域，特别是涉及一种滑坡运动距离超越概率计算方法。

背景技术

滑坡是全世界发生最为频繁的灾害之一，造成了巨大的人员伤亡与严重的经济损失。滑坡风险评估与管理作为一种更加合理有效的防灾、减灾理念和模式，一直是国际上倡导和推广的有效途径之一。目前关于滑坡风险评估的研究大多集中在滑坡稳定性评估上，对失稳后滑坡运动过程的研究较为薄弱。在滑坡灾害风险防控中，除了需要知道滑坡体是否稳定以及何时失稳外，还需要预测滑坡的运动距离，才能定量地确定滑坡体潜在影响范围，从而全面评估滑坡灾害的风险。

滑坡运动距离预测模型主要有经验统计模型和动态数值模型。经验统计模型一般通过建立简单的回归公式对滑坡运动距离进行初步估计，较少考虑自身的物理力学机制，且无法考虑实际复杂地形的影响。动态数值模型在一定程度上能够克服经验统计模型的这些限制，可以对滑坡的运动距离、堆积高度、运动速度等关键信息进行更加精细的模拟分析。

传统的滑坡运动距离正向分析一般使用确定性分析方法，即输入一个确定性参数，通过动态数值模型计算得到一个确定的滑坡运动距离值。然而，滑坡运动过程所涉及的水文地质、工程地质条件是复杂、多变、随机的，本身就存在着较大不确定性，确定性分析的结果并不能考虑到这些不确定性对计算结果的影响。

此外，动态数值模型是对滑坡复杂运动过程的简化描述，模型输入参数通常难以直接地、准确地测量，这也导致输入参数具有一定不确定性。这些不确定性通过动态数值模型的传播可能会对模拟结果的准确性产生严重影响。正是由于这些不确定性的存在，动态数值模型现在还大多用于反分析中去重现滑坡运动过程，而较少用于滑坡运动过程的正向分析中去直接预测滑坡的运动距离。

发明内容

本申请提供一种滑坡运动距离超越概率计算方法，以解决岩土体物理力学参数不确定性强，现有动态数值模拟方法对滑坡运动距离预测精度有限的问题。

为了解决上述问题，本申请公开了一种滑坡运动距离超越概率计算方法，所述方法包括：

针对滑坡对象，建立关于所述滑坡对象的动态数值模型；

将选定的所述动态数值模型的输入参数作为随机变量，并确定所述随机变量的统计特征；

利用拉丁超立方抽样LHS方法将所述随机变量分层抽样，生成多组随机样本；

将所述随机样本以所述统计特征输入所述动态数值模型，计算每组随机样本对应的滑坡运动距离；

根据承灾体与所述滑坡对象的实际距离，确定滑坡运动距离阈值；

计算所述滑坡运动距离超过所述滑坡运动距离阈值的概率。

进一步的，针对滑坡对象，建立关于所述滑坡对象的动态数值模型的步骤包括：

针对滑坡对象，建立关于所述滑坡对象的Massflow动态数值模型。

进一步的，所述输入参数包括密度、粘聚力、内摩擦角、孔隙压力比系数；

所述统计特征包括均值、标准差、分布类型。

进一步的，利用拉丁超立方抽样LHS方法将所述随机变量分层抽样，生成多组随机样本的步骤包括：

确定模拟次数N，N为大于0的正整数；

利用拉丁超立方抽样LHS方法将所述随机变量的概率分布函数等分成N个互不重叠的子区间；

对每个子区间内的随机数进行等概率抽样，生成N组随机样本；

其中，第i个子区间内的随机数X应满足下式：

式中，i＝1,2,…,N；X为[0,1]区间内均匀分布的随机数。

进一步的，所述方法还包括：

根据每组随机样本对应的滑坡运动距离以及所述滑坡运动距离阈值，建立极限状态函数；

所述极限状态函数表达式如下：

g(X)＝L_threshold-L(X)；

式中，X为所述随机样本，包括所述随机数X；L(X)为所述滑坡运动距离；L_threshold为所述滑坡运动距离阈值；

根据所述极限状态函数，判断所述滑坡运动距离是否超过所述滑坡运动距离阈值；

当所述g(X)＜0时，所述滑坡运动距离超过所述滑坡运动距离阈值；

当所述g(X)＝0时，所述滑坡运动距离等于所述滑坡运动距离阈值；

当所述g(X)>0时，所述滑坡运动距离未超过所述滑坡运动距离阈值。

进一步的，计算所述滑坡运动距离超过所述滑坡运动距离阈值的概率的步骤包括：

统计所述g(X)＜0的随机样本；

根据统计的所述g(X)＜0的随机样本，计算所述滑坡运动距离超过所述滑坡运动距离阈值的概率P_e；

其中，所述I(X)通过以下函数确定：

进一步的，所述方法还包括：

根据所述滑坡运动距离超过所述滑坡运动距离阈值的概率，划分滑坡运动危险性区。

与现有技术相比，本申请包括以下优点：

本申请针对滑坡对象，建立关于所述滑坡对象的动态数值模型；将选定的所述动态数值模型的输入参数作为随机变量，并确定所述随机变量的统计特征；利用拉丁超立方抽样LHS方法将所述随机变量分层抽样，生成多组随机样本；将所述随机样本以所述统计特征输入所述动态数值模型，计算每组随机样本对应的滑坡运动距离；根据承灾体与所述滑坡对象的实际距离，确定滑坡运动距离阈值；计算所述滑坡运动距离超过所述滑坡运动距离阈值的概率，能够有效量化输入参数的不确定性，以提高滑坡滑程预测结果的可靠性，相比传统的定值分析方法，得到滑坡运动距离的概率评价结果更能满足风险评估的需要；

本申请还根据所述滑坡运动距离超过所述滑坡运动距离阈值的概率，划分滑坡运动危险性区。如滑坡运动危险性区可划分为高、中、低等多个危险区。对于决策者而言，在制定滑坡风险防控方案时，就可根据运动距离超越概率的大小，对滑坡的潜在威胁程度进行排序，以便确定防灾减灾工作的优先顺序。

附图说明

图1是本申请一种滑坡运动距离超越概率计算方法的步骤流程图；

图2是本申请一示例5组随机样本分布示意图；

图3(a)是本申请实例大堡子滑坡全貌图；

图3(b)是本申请实例大堡子滑坡剖面图；

图4是本申请实例大堡子滑坡动态数值计算模型图；

图5是本申请实例滑坡运动距离的确定性分析过程示意图；

图6是本申请实例运动距离的概率密度图；

图7是本申请实例运动距离-超越概率图以及运动危险性分区图；

图8是本申请实例不同模拟次数的超越概率计算结果。

具体实施方式

为使本申请的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本申请作进一步详细的说明。

参照图1，示出了本申请一种滑坡运动距离超越概率计算方法的步骤流程图，所述方法具体可以包括以下步骤：

步骤S101，针对滑坡对象，建立关于所述滑坡对象的动态数值模型；

本申请的滑坡对象是指实际中某个具体的单体滑坡，然后建立关于所述滑坡对象的质量流量Massflow动态数值模型。Massflow是一种基于FORTRAN程序语言开发的分析滑坡运动行为的动态数值模型，该模型可将滑坡对象等效为具有流变性质的流体，从而基于经典的Navier-Stokes方程，采用深度积分方法，推导出运动体内每一个单元所必须满足的质量守恒方程(式(1))和动量守恒方程(式(2)，(3))。

在上式中，ρ，h，u，v分别为滑坡对象的密度、滑坡对象的高度、x方向与y方向的速度；g为重力加速度；(τ_zx)_b和(τ_zy)_b为基底阻力；k_a/p为侧向土压力系数，分别表示k_a和k_p，该系数可通过朗肯土压力理论确定为：

本申请在基底阻力模型、滑动路径等参数设定后，即可采用TVD-MacCormack有限差分方法求解微分方程，模拟滑坡运动的全过程，得到滑坡的运动距离。由于Massflow是基于深度积分的连续介质力学方法，把三维计算问题简化为二维计算问题，从而极大提升了计算效率，并且在时间和空间上都具有二阶精度。

步骤S102，将选定的所述动态数值模型的输入参数作为随机变量，并确定所述随机变量的统计特征；

在本申请中，输入参数可以包括密度、粘聚力、内摩擦角、孔隙压力比系数，将该输入参数定义为服从一定概率分布的随机变量。

然后确定上述随机变量的统计特征，统计特征可以包括均值、标准差、分布类型。实际中，输入参数多为不确定性参数，统计特征的描述，往往需要收集大量的数据进行统计分析。在实际工程中，开展大量试验工作的费用和时间成本都难以接受。因此，对于不确定性参数的统计特征一般可结合有限试验数据、文献数据和相关规范综合分析确定。

步骤S103，利用拉丁超立方抽样LHS方法将所述随机变量分层抽样，生成多组随机样本；

LHS方法是由Mckay等人于1979年提出的一种多维分层抽样方法。该方法的本质是通过产生分布更加均匀的样本来避免在某一区域反复抽样，从而提高计算效率与计算精度。

在本申请中，步骤S103具体可以包括以下子步骤：

子步骤1031，确定模拟次数N，N为大于0的正整数；

子步骤1032，利用拉丁超立方抽样LHS方法将所述随机变量的概率分布函数等分成N个互不重叠的子区间；

子步骤1033，对每个子区间内的随机数进行等概率抽样，生成N组随机样本；

其中，为了保证抽取的随机数属于各子区间，第i个子区间内的随机数X应满足下式：

式中，i＝1,2,…,N；X为[0,1]区间内均匀分布的随机数。

在本申请中，每一个子区间仅产生一个随机数，然后采用反变换法，由N个子区间产生的随机数得到N个某一概率密度函数的随机变量抽样值，即本申请的N组随机样本。为便于后续计算，本申请还对所述N组随机样本所属子区间的序号进行随机排列，也就是对各随机变量的抽样值所属区间的序号进行随机排列。

假设确定模拟次数为5次，两个随机变量分别为变量1和变量2，变量1为(1,2,3,4,5)，变量2为(1,2,3,4,5)，采用LHS方法抽样后的5组随机样本分别为(1,2)(2,4)(3,3)(4,1)(5,5)，对这5组随机样本进行随机排序，如图2所示，得到5组随机样本分布示意图，顺序分别为[(1,2)(2,4)(3,3)(4,1)(5,5)]。

步骤S104，将所述随机样本以所述统计特征输入所述动态数值模型，计算每组随机样本对应的滑坡运动距离；

接下来，将具有一定顺序的多组随机样本按该顺序依次输入Massflow动态数值模型。具体的，针对顺序中的每组随机样本，根据所确定的统计特征，随机样本按该统计特征进行计算，然后将计算结果依次输入Massflow动态数值模型，即根据公式(1)～(4)计算得到该随机样本的滑坡运动距离。

比如所定的统计特征为均值，将随机样本中的随机数(比如为该滑坡对象的密度)进行均值计算，将均值结果作为Massflow动态数值模型的输入参数，计算该密度下滑坡对象对应的滑坡运动距离。

从步骤S101～步骤S104可知，本申请提供了一种滑坡运动过程的正向分析方法，将动态数值模型中的输入参数定义为服从某种分布的随机变量，基于Massflow动态数值模型结合可靠性分析方法计算滑坡运动距离，能够有效量化输入参数的不确定性。需要说明的是，本申请的可靠性方法采用LHS方法，该方法对统计特征(如均值或方差)的估计有显著改善，相比传统的蒙特卡洛法MCS，可避免MCS法大量反复的抽样工作，更能以较少的抽样得到反映变量分布特征的样本，增加计算精度与计算效率。

在滑坡定量风险评估中，滑坡空间影响概率(滑坡失稳后空间上某位置受到滑坡影响的概率)是风险评估的重要组成部分，该概率可表达为运动距离超越某个阈值的概率，本申请将其称之为运动距离超越概率。因此，本申请在计算得到每组随机样本对应的滑坡运动距离后，还进一步对该滑坡对象的运动距离超越概率进行计算分析，具体如下：

步骤S105，根据承灾体与所述滑坡对象的实际距离，确定滑坡运动距离阈值；

在本申请中，承灾体可以为建筑物、道路等，测量承灾体与滑坡对象之间的实际距离，确定该滑坡对象的距离阈值L_threshold。

一般而言，一旦滑坡运动距离超过承灾体与滑坡对象之间的实际距离就会对承灾体造成威胁。因此，本申请根据每组随机样本对应的滑坡运动距离以及所述滑坡运动距离阈值，建立极限状态函数，以监测滑坡运动距离是否会超过承灾体与滑坡对象之间的实际距离。

所述极限状态函数表达式如下：

g(X)＝L_threshold-L(X) (6)；

式中，X为所述随机样本，包括所述随机数X；L(X)为所述滑坡运动距离；L_threshold为所述滑坡运动距离阈值；

然后，根据所述极限状态函数，判断所述滑坡运动距离是否超过所述滑坡运动距离阈值；

当所述g(X)＜0时，所述滑坡对象超越所述承灾体，所述滑坡运动距离超过所述滑坡运动距离阈值；

当所述g(X)＝0时，所述滑坡对象刚好到达所述承灾体，所述滑坡运动距离等于所述滑坡运动距离阈值；

当所述g(X)>0时，所述滑坡对象未到达所述承灾体，所述滑坡运动距离未超过所述滑坡运动距离阈值。

步骤S106，计算所述滑坡运动距离超过所述滑坡运动距离阈值的概率，实现过程可以包括以下子步骤：

子步骤1061，统计所述g(X)＜0的随机样本；

子步骤1062，根据统计的所述g(X)＜0的随机样本，计算所述滑坡运动距离超过所述滑坡运动距离阈值的概率P_e；

其中，所述I(X)通过以下函数确定：

具体实现时，本申请的LHS法抽样在Matlab软件中实现，通过建立Matlab与Massflow的接口程序，实现两者之间的数据交互。首先，在Matlab中使用LHS产生N个样本；然后，将样本的统计特征值依次代入到Massflow中计算得到N个运动距离；最后，将运动距离计算结果返回到Matlab中进行超越概率的计算。

本申请所计算的滑坡运动距离超越概率反映了滑坡运动路径上某位置受到影响或威胁的可能性大小。因此，在一优选实施例中，本申请还根据所述滑坡运动距离超过所述滑坡运动距离阈值的概率，划分滑坡运动危险性区。如滑坡运动危险性区可划分为高、中、低等多个危险区。对于决策者而言，在制定滑坡风险防控方案时，就可根据运动距离超越概率的大小，对滑坡的潜在威胁程度进行排序，以便确定防灾减灾工作的优先顺序。

综上，本申请利用拉丁超立方抽样LHS可靠性方法对滑坡运动距离超越概率进行评价能够有效量化输入参数的不确定性，相比传统的定值分析方法，得到滑坡运动距离的概率评价结果更能满足风险评估的需要。

为使本领域技术人员进一步理解本申请，下述以陕西省咸阳市泾阳县大堡子滑坡为例说明本申请所提出的滑坡运动距离超越概率计算方法。

实例：该滑坡发生于2012年4月10日，滑坡体积约20.6×104m3，滑坡体物质主要为Q2黄土，少量Q1和Q3黄土，为一中型纯黄土滑坡。滑坡全貌图见图3(a)，剖面图见图3(b)，为了更加直观展示运动距离，将滑坡后缘位置作为剖面图中水平距离的0m点位置。滑坡最大水平运动距离275m，等效摩擦系数H/L＝0.26，属于远程滑坡；横向最大宽度150m，滑体堆积厚度在3～20m之间。勘察发现距地面仅1m便可见地下水，可判断滑面处于饱和状态，也可判断滑坡发生远程滑动与滑动过程中产生的超孔隙水压力有很大关系。

首先，根据大堡子滑坡剖面图(图3(b))，在Massflow中建立大堡子滑坡动态数值计算模型，所建立的大堡子滑坡动态数值计算模型如图4所示。在图4中，蓝色部分表示滑床，彩色条纹部分表示滑体。该计算模型的计算网格大小为1m，网格数为507个；计算总时间为25s，时间步为变时间步长，初始时间步长0.05s，courant数为0.25。

由于黄土颗粒较细，孔隙水压力消散困难，在滑动过程中孔隙水压力容易发生累积，产生超孔隙水压力，从而使滑带土仅能发挥较低的抗剪强度。因此，基底摩擦阻力模型采用能够考虑孔隙水压力影响的库伦摩擦模型。在有效应力条件下，该模型表示滑坡运动过程中的基底阻力τ_b为：

式中，σ＝ρgh，为基底正应力；c'为残余有效粘聚力；

为残余有效内摩擦角；r_u是孔隙压力比系数，为孔隙水压力u与基底正应力σ之比，反应了运动体的液化程度，范围为0-1。

其次，本实例将动态数值模拟计算中的四个物理力学参数(即c'、

ρ、r_u)考虑为随机变量。由图3(b)可知，该滑坡的滑面主要在Q2黄土中，因此为简化起见，在模拟分析中仅考虑Q2黄土的物理力学参数。通过固结不排水三轴试验，测得该滑坡Q2黄土残余有效摩擦角

残余有效粘聚力c'＝39kPa，密度ρ＝1800g/cm3。由于试验数据有限，将该组试验测得的粘聚力、内摩擦角以及密度假定为随机变量的均值，而随机变量的变异性和分布类型参考相关文献资料确定。

《地质灾害防治工程勘察规范》对土体参数变异性的分级做出了评价(表1)。

表1：土体参数的变异性级别

袁晓蕾收集了9个地区的32组黄土滑坡的黄土土性进行统计分析发现：对于单个滑坡滑带土的统计表明，大多数粘聚力的变异性属于中等-高变异性(变异系数为0.2～0.4)，大多数内摩擦角的变异性属于低变异性(变异系数为0.1～0.2)，大多数密度的变异性属于很低变异性(变异系数为0～0.1)。根据袁晓蕾的统计结果，取每个参数相应的变异系数范围的均值作为该参数的计算变异系数(表2)。此外，倪万魁和韩启龙对黄土高原典型地段黄土土性参数进行了详细的统计分析，利用K-S和A2对黄土抗剪强度指标的概率分布类型进行了检验，发现黄土抗剪强度指标大多服从正态分布和对数正态分布。为避免随机抽样过程中出现负值导致动态数值计算无法进行的现象，本实例使用对数正态分布作为土体密度、粘聚力和内摩擦角的概率分布类型。

且由于滑坡过程中孔隙水压力变化是非常复杂的，孔隙压力比系数(r_u)的确定非常困难，目前常通过对历史滑坡运动过程的反分析来确定该系数。相关文献反分析结果的统计研究发现，滑坡孔隙压力比系数的范围一般在0.5-0.8之间。考虑参考文献中的参数统计范围，本实例将孔隙压力比系数定义为在[0.5,0.8]范围内服从均匀分布的随机变量。用于滑坡运动距离超越概率分析的随机变量统计特征见表2。

表2：随机变量的统计特征

为了说明利用动态数值模型计算滑坡运动距离的过程，以表2所示计算参数的平均值作为模型输入参数进行了一次确定性运动距离计算(本实例将运动距离定义为滑坡后缘与运动物质堆积体前缘之间的距离)，如图5所示，为滑坡运动距离的确定性分析过程。由于进行的是一维计算(即质量与动量守恒方程中的y方向不参与计算)，单次滑坡过程模拟的计算时间只需要4s(计算机配置为

(R)E5-2630v4CPU@2.2GHz and 32GBRAM)。基于计算参数平均值得到的滑坡水平运动距离为230m，这明显小于实际观测到的滑坡水平运动距离(275m)，而这种对于滑程的低估将对滑坡周围人民群众的生命财产安全带来巨大的风险。

然后，根据随机变量c'、

ρ、r_u的统计信息，基于Matlab建立概率分析模型，使用LHS产生N＝104个随机样本，并通过确定性分析模型分别计算它们对应的滑坡运动距离。将计算所得的104个运动距离结果数据进行统计分析，绘制运动距离的概率密度图，经K-S总体分布检验结果显示，数据总体服从广义极值分布，如图6所示。滑坡运动距离的平均值为240m，最大值为367m，最小值为167m，95％置信水平下的置信区间为[196m,302m]。滑坡实际运动距离为275m，在95％的置信区间以内，说明该计算结果是合理的。

最后，基于LHS的采样结果，通过考虑空间任意点与滑坡体后缘之间的距离(即多个运动距离阈值)，可构建多个极限状态函数，从而计算运动距离超越任意阈值的概率，进一步可绘制运动距离-超越概率曲线，见图7。可以发现，滑坡运动距离超越概率随着阈值距离的增加而减少，说明离滑坡体越远的位置危险性越低。表3参考Lacasse和Nadim的研究成果给出了灾害事件可能性分类，当概率值大于50％时，事件发生概率大于不发生的概率。本实例基于该概率分类方式，以滑坡运动距离超越概率50％、10％、1％和0.1％作为分界值，将滑坡运动危险性分为极高、高、中、低、极低五个危险区，如图7所示。划分结果显示，滑坡实际的堆积范围处于高-极高危险区内；这说明，基于运动距离超越概率的危险性划分结果是符合实际的，在一定程度上可以指导滑坡风险评估和管理。在实际工程中，基于运动距离超越概率的滑坡运动危险性区划结果，将有助于区分易受滑坡威胁的区域和较易受滑坡威胁的区域，以便立即采取相应的防灾减灾行动与措施。

表3：事件可能性分类

上述实例的计算结果分析与讨论：

(1)模拟次数分析

图8分别给出了L_threshold＝275m条件下，LHS法和MCS法在不同模拟次数情况下超越概率的计算结果。结果显示，在不同模拟次数下，LHS法得到的超越概率值的波动范围比MCS法更小，表明LHS法对超越概率的估值比MCS法更加稳定。也可以看出，MCS法在104次模拟后仍未达到收敛，LHS法在3000次模拟后已达到收敛。因此，采用104次LHS是足够的，计算得到的超越概率值是相对准确的。总体而言，与MCS法相比，LHS法计算结果的收敛性更佳，超越概率估值更加稳定，在计算效率与计算精度上都有显著的改善。

(2)不确定性与确定性计算结果对比分析

采用参数均值计算的滑坡运动距离为230m，如果从确定性分析角度来看，可能认为与滑坡体后缘距离为230m以上的区域是安全的，不存在受到滑坡威胁的可能性。但是滑坡实际运动距离为275m，确定性分析结果低估了滑坡的运动距离，这种低估在实际防灾工作中是非常致命的。从不确定性分析结果来看，滑坡运动距离达到250m的概率高达32.50％，达到275m的概率为10.85％，达到300m的概率仍有2.90％。可以发现，不确定性的结果对该滑坡运动距离的估计是更加符合实际的，能够有效评估滑坡潜在的威胁范围。因此，综合分析确定性和不确定性评估结果才能更加合理地进行滑坡运动距离及其危险性评价。

需要说明的是，对于方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请并不受所描述的动作顺序的限制，因为依据本申请，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作并不一定是本申请所必须的。

本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。

以上对本申请所提供的一种滑坡运动距离超越概率计算方法，进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。

Claims (6)

1.一种滑坡运动距离超越概率计算方法，其特征在于，所述方法包括：

针对滑坡对象，建立关于所述滑坡对象的动态数值模型；

将选定的所述动态数值模型的输入参数作为随机变量，并确定所述随机变量的统计特征；所述输入参数为不确定性参数，定义为服从一定概率分布的随机变量；

利用拉丁超立方抽样LHS方法将所述随机变量分层抽样，生成多组随机样本；

将每组所述随机样本按所述统计特征进行计算，并将计算结果输入所述动态数值模型，计算得到该组所述随机样本对应的滑坡运动距离；

根据承灾体与所述滑坡对象的实际距离，确定滑坡运动距离阈值；

计算每组所述随机样本对应的所述滑坡运动距离超过所述滑坡运动距离阈值的滑坡运动距离超越概率；

根据计算得到的所有所述滑坡运动距离超越概率，在滑坡运动路径上划分滑坡运动危险性区。

2.根据权利要求1所述的方法，其特征在于，针对滑坡对象，建立关于所述滑坡对象的动态数值模型的步骤包括：

针对滑坡对象，建立关于所述滑坡对象的质量流量Massflow动态数值模型。

3.根据权利要求1所述的方法，其特征在于，所述输入参数包括密度、粘聚力、内摩擦角、孔隙压力比系数；

所述统计特征包括均值、标准差、分布类型。

4.根据权利要求1所述的方法，其特征在于，利用拉丁超立方抽样LHS方法将所述随机变量分层抽样，生成多组随机样本的步骤包括：

确定模拟次数N，N为大于0的正整数；

利用拉丁超立方抽样LHS方法将所述随机变量的概率分布函数等分成N个互不重叠的子区间；

对每个子区间内的随机数进行等概率抽样，生成N组随机样本；

其中，第i个子区间内的随机数X应满足下式：

式中，i＝1,2,…,N；X为[0,1]区间内均匀分布的随机数。

5.根据权利要求4所述的方法，其特征在于，所述方法还包括：

根据每组随机样本对应的滑坡运动距离以及所述滑坡运动距离阈值，建立极限状态函数；

所述极限状态函数表达式如下：

g(X)＝L_threshold-L(X)；

式中，X为所述随机样本，包括所述随机数X；L(X)为所述滑坡运动距离；L_threshold为所述滑坡运动距离阈值；

根据所述极限状态函数，判断所述滑坡运动距离是否超过所述滑坡运动距离阈值；

当所述g(X)＜0时，所述滑坡运动距离超过所述滑坡运动距离阈值；

当所述g(X)＝0时，所述滑坡运动距离等于所述滑坡运动距离阈值；

当所述g(X)>0时，所述滑坡运动距离未超过所述滑坡运动距离阈值。

6.根据权利要求5所述的方法，其特征在于，计算所述滑坡运动距离超过所述滑坡运动距离阈值的概率的步骤包括：

统计所述g(X)＜0的随机样本；

根据统计的所述g(X)＜0的随机样本，计算所述滑坡运动距离超过所述滑坡运动距离阈值的概率P_e；

其中，所述I(X)通过以下函数确定：

Images