## 留言板

 引用本文: 段功豪, 牛瑞卿, 赵艳南, 张凯翔, 咬登魁. 基于动态指数平滑模型的降雨诱发型滑坡预测[J]. 武汉大学学报 ( 信息科学版), 2016, 41(7): 958-962.
DUAN Gonghao, NIU Ruiqing, ZHAO Yannan, ZHANG Kaixiang, YAO Dengkui. Rainfall-induced Landslide Prediction Based on Dynamic Exponential Smoothing Model[J]. Geomatics and Information Science of Wuhan University, 2016, 41(7): 958-962. doi: 10.13203/j.whugis20140276
 Citation: DUAN Gonghao, NIU Ruiqing, ZHAO Yannan, ZHANG Kaixiang, YAO Dengkui. Rainfall-induced Landslide Prediction Based on Dynamic Exponential Smoothing Model[J]. Geomatics and Information Science of Wuhan University, 2016, 41(7): 958-962.

• 中图分类号: P258

## Rainfall-induced Landslide Prediction Based on Dynamic Exponential Smoothing Model

• 摘要: 为了快速而准确地分析降雨型滑坡的变形趋势,以指数平滑法为数学基础,从滑坡的实际演化阶段出发,建立外界主要诱发因素与模型参数的关联,引入月累积降雨量作为模型参数动态评估因子,对白家包滑坡90期累积位移数据进行了拟合及预测。最终拟合的累计位移平均绝对误差和相关系数分别为11.346和0.933。与传统的静态参数方法相比,这种方法更符合降雨型滑坡发展的一般规律,预测精度更高。
• 图  1  白家包滑坡监测剖面图(据三峡库区地质灾害防治工作指挥部)

Figure  1.  Profile Map of Baijiabao Landslide

图  2  白家包滑坡累积位移-时间散点图

Figure  2.  Deformation to Time Plotmatrix

图  3  变形阶段划分图

Figure  3.  Diagram of Deformation Phase

图  4  归州降雨量与库区库水位组合图(据三峡库区地质灾害防治工作指挥部)

Figure  4.  Annual Rainfall of Guizhou and Water Level Fluctuation of the Three Gorges(2007-2010)

图  5  实测值与模型预测值

Figure  5.  Measured Values and Predicted Values

•  [1] 文宝萍,李媛,王兴林,等.黄土地区典型滑坡预测预报及减灾对策研究[M]. 北京:地质出版社,1997) Wen Baoping, Li Yuan, Wang Xinglin, et al. Forecast and Countermeasures of Typical Loess Landslides[M]. Beijing: Geological Publishing House,1997 [2] Cojean R, Ca Y J. Analysis and Modeling of Slope Stability in the Three-Gorges Dam Reservoir (China)——the Case of Huangtupo Landslide[J]. Journal of Mountain Science, 2011(2): 166-175 [3] 牛瑞卿,韩舸.利用数据挖掘的滑坡监测数据处理流程[J]. 武汉大学学报·信息科学版,2012,37(7):869-872) Niu Ruiqing, Han Ge. A Technological Flow For Processing Landslide-monitoring Data Based on Data Mining[J].Geomatics and Information Science of Wuhan University, 2012, 37(7): 869-872 [4] Baker R. Inter-relations Between Experimental and Computational Aspects of Slope Stability Analysis[J]. International Journal for Numerical and Analytical Methods in Geomechanics,2003,27(5):379-401 [5] Iverson R M, Reid M E. Acute Sensitivity of Landslide Rates to Initial Soil Porosity [J]. Science,2000,290 (5491):513-521 [6] Nefeslioglu H A, Sezer E, Gokceoglu C, et al. Assessment of Landslide Susceptibility by Decision Trees in the Metropolitan Area of Istanbul, Turkey[J]. Mathematical Problems in Engineering, 2010, doi: 10.1155/2010/901095 [7] 王尚庆,徐进军,罗勉.三峡库区白水河滑坡险情预警方法研究[J]. 武汉大学学报·信息科学版, 2009,34(10): 1218-1221) Wang Shangqing, Xu Jinjun, Luo Mian. Study on Warning of Dangerous State of Baishuihe Landslide in Three Gorges Reservoir Area[J]. Geomatics and Information Science of Wuhan University, 2009,34(10): 1218-1221 [8] 尹光志,张卫中,张东明,等.基于指数平滑法与回归分析相结合的滑坡预测[J]. 岩土力学, 2007(8):1725-1728) Yin Guangzhi, Zhang Weizhong, Zhang Dongming, et al. Forecasting of Landslide Displacement Based on Exponential Smoothing and Nonlinear Regression Analysis[J]. Rock and Soil Mechanics,2007(8): 1725-1728 [9] 段功豪,牛瑞卿.滑坡监测动态数据挖掘方法研究[J]. 长江科学院院报, 2013(5): 38-41) Duan Gonghao, Niu Ruiqing. A Methods Research Of Dynamic Data Mining For Landslide-Monitoring Data[J].Journal of Yangtze River Scientific Research Institute,2013(5):38-41 [10] 徐冲,刘保国,刘开云,等.基于粒子群-高斯过程回归耦合算法的滑坡位移时序分析预测智能模型[J]. 岩土力学, 2011(6): 1669-1675) Xu Chong, Liu Baoguo, Liu Yunkai, et al. Intelligent Analysis Model of Landslide Displacement Time Series Based on Coupling PSO-GPR[J]. Rock and Soil Mechanics,2011(6):1669-1675 [11] Rm I, Rainfall J M J. Ground Water Flow and Seasonal Movement at Minor Creek Landslide, Northwestern California: Physical Interpretation of Empirical Relations[J]. Bulletin of Geological Society of America, 1987, 99(4):466-476 [12] 殷坤龙,陈丽霞,张桂荣.区域滑坡灾害预测预警与风险评价[J].地学前缘,2007,14(6):85-97) Yin Kunlong, Chen Lixia, Zhang Guirong. Regional Landslide Hazard Warning and Risk Assessment[J].Earth Science Frontiers,2007,14(6):85-97 [13] 彭令,牛瑞卿. 三峡库区白家包滑坡变形特征与影响因素分析[J].中国地质灾害与防治学报, 2011(4): 1-7) Peng Ling, Niu Ruiqing. Analysis on Deformation Characteristics and Influential Factors of Baijiabao Landslide in the Three Gorges Reservoir Area[J].The Chinese Journal of Geological Hazard and Control,2011(4):1-7
•  [1] 徐胜华, 刘纪平, 王想红, 张玉, 林荣福, 张蒙, 刘猛猛, 姜涛.  熵指数融入支持向量机的滑坡灾害易发性评价方法—以陕西省为例 . 武汉大学学报 ( 信息科学版), 2020, 45(8): 1214-1222. doi: 10.13203/j.whugis20200109 [2] 李兵权, 李永生, 姜文亮, 蔡建伟, 甘俊.  基于地基真实孔径雷达的边坡动态监测研究与应用 . 武汉大学学报 ( 信息科学版), 2019, 44(7): 1093-1098. doi: 10.13203/j.whugis20190049 [3] 刘国祥, 张波, 张瑞, 蔡嘉伦, 符茵, 刘巧, 于冰, 李志林.  联合卫星SAR和地基SAR的海螺沟冰川动态变化及次生滑坡灾害监测 . 武汉大学学报 ( 信息科学版), 2019, 44(7): 980-995. doi: 10.13203/j.whugis20190077 [4] 王利, 张勤, 黄观文, 田婕.  基于指数平滑法的GPS卫星钟差预报 . 武汉大学学报 ( 信息科学版), 2017, 42(7): 995-1001. doi: 10.13203/j.whugis20150089 [5] 段功豪, 牛瑞卿, 彭令, 付杰.  诱发因素影响下的滑坡参数优化预测模型研究 . 武汉大学学报 ( 信息科学版), 2017, 42(4): 531-536. doi: 10.13203/j.whugis20140913 [6] 武雪玲, 沈少青, 牛瑞卿.  GIS支持下应用PSO-SVM模型预测滑坡易发性 . 武汉大学学报 ( 信息科学版), 2016, 41(5): 665-671. doi: 10.13203/j.whugis20130566 [7] 孟成, 彭明军, 鄂栋臣, 黄炜.  一种可动态修正的建设用地预测方法 . 武汉大学学报 ( 信息科学版), 2014, 39(1): 95-99. [8] 彭令, 牛瑞卿, 赵艳南, 邓清禄.  基于核主成分分析和粒子群优化支持向量机的滑坡位移预测 . 武汉大学学报 ( 信息科学版), 2013, 38(2): 148-152,161. [9] 武雪玲, 任福, 牛瑞卿.  多源数据支持下的三峡库区滑坡灾害空间智能预测 . 武汉大学学报 ( 信息科学版), 2013, 38(8): 963-968. [10] 张昊, 王琪洁, 朱建军, 张晓红.  对钱德勒参数进行时变修正的CLS+AR模型在极移预测中的应用 . 武汉大学学报 ( 信息科学版), 2012, 37(3): 286-289. [11] 王利, 张勤, 管建安, 孔令杰.  基于GPS技术的滑坡动态变形监测试验结果与分析 . 武汉大学学报 ( 信息科学版), 2011, 36(4): 422-426. [12] 李子阳, 郭丽, 顾冲时.  大坝监测资料的时变Kalman预测模型 . 武汉大学学报 ( 信息科学版), 2010, 35(8): 991-995. [13] 张绪冰, 关泽群, 虞欣, 胡守庚.  一种结合整型最佳谱间预测与SPIHT的MODIS影像无损压缩算法 . 武汉大学学报 ( 信息科学版), 2009, 34(3): 304-307. [14] 王晖, 卢健.  基于预测的边缘检测方法 . 武汉大学学报 ( 信息科学版), 2005, 30(1): 23-26. [15] 潘国荣.  基于时间序列分析的动态变形预测模型研究 . 武汉大学学报 ( 信息科学版), 2005, 30(6): 483-487. [16] 刘耀林, 刘艳芳, 张玉梅.  基于灰色-马尔柯夫链预测模型的耕地需求量预测研究 . 武汉大学学报 ( 信息科学版), 2004, 29(7): 575-579,596. [17] 万幼川, 李植生, 梁小民, 刘良明.  湖泊水质预测模型的建立及其应用 . 武汉大学学报 ( 信息科学版), 1996, 21(4): 375-381. [18] 方国柱, 张正禄, 章传银.  工程高边坡稳定性评价的信息量法 . 武汉大学学报 ( 信息科学版), 1996, 21(4): 344-349. [19] 余井泉.  复测水准网动态平差中动态参数的筛选及其形变分析 . 武汉大学学报 ( 信息科学版), 1988, 13(1): 71-81. [20] 秦宏楠, 马海涛, 于正兴, 刘玉溪.  地基雷达干涉测量动态高频次数据用于滑坡早期预警方法研究 . 武汉大学学报 ( 信息科学版), 0, 0(0): -. doi: 10.13203/j.whugis20220152

##### 计量
• 文章访问数:  1337
• HTML全文浏览量:  85
• PDF下载量:  273
• 被引次数: 0
##### 出版历程
• 收稿日期:  2014-09-18
• 刊出日期:  2016-07-05

## 基于动态指数平滑模型的降雨诱发型滑坡预测

##### doi: 10.13203/j.whugis20140276
###### 1. 中国地质大学(武汉)地球物理与空间信息学院, 湖北 武汉, 4300742. 安徽省地质环境监测总站, 安徽 合肥, 230001
基金项目:

国家863计划 2012AA121303

国家973计划 2011CB710601

国土资源部三峡库区三期地质灾害防治重大科学研究 SXKY3-3-2

• 中图分类号: P258

### English Abstract

 引用本文: 段功豪, 牛瑞卿, 赵艳南, 张凯翔, 咬登魁. 基于动态指数平滑模型的降雨诱发型滑坡预测[J]. 武汉大学学报 ( 信息科学版), 2016, 41(7): 958-962.
DUAN Gonghao, NIU Ruiqing, ZHAO Yannan, ZHANG Kaixiang, YAO Dengkui. Rainfall-induced Landslide Prediction Based on Dynamic Exponential Smoothing Model[J]. Geomatics and Information Science of Wuhan University, 2016, 41(7): 958-962. doi: 10.13203/j.whugis20140276
 Citation: DUAN Gonghao, NIU Ruiqing, ZHAO Yannan, ZHANG Kaixiang, YAO Dengkui. Rainfall-induced Landslide Prediction Based on Dynamic Exponential Smoothing Model[J]. Geomatics and Information Science of Wuhan University, 2016, 41(7): 958-962.
• 滑坡是自然界中最主要的地质灾害之一，具有灾害影响大、发生次数频繁、区域范围分布广以及运动速度快等特点[1-2]。滑坡的位移量或位移速率对滑坡稳定性评价具有直接作用，有效利用各类监测数据，建模分析滑坡位移的趋势，已成为滑坡预测领域未来的研究方向[3-6]。目前，滑坡位移预测模型多采用数值拟合算法如Arima算法、指数平滑法、粒子群-高斯过程回归耦合算法等算法，支持向量机背景下的最佳核函数法等建立预测模型，进而分析滑坡时序的发展规律[7-10]。但由于各类滑坡组成物质和演化过程各异，易受实时地质条件和水文环境的综合作用而形成一个复杂的系统，并且由静态历史数据衍生的预测模型无法体现过程的时效性[11]。三峡库区内堆积层滑坡一般由次生堆积体构成，在具备了滑坡发育的地质条件时，降雨在很大程度上是库区内堆积层滑坡诱发的最主要因素，降雨型滑坡属于受降雨因素影响较大的滑坡种类[12]。库区常年降雨充沛，约有95%的堆积层滑坡发生于雨季。从定量指标上来看，特大降雨引发的地下水位波动，会持续性地影响降雨诱发型滑坡软弱面的稳定系数；从定性指标上来看，库区地理环境复杂，各个滑坡的所处地质环境、产状、组成物质等具体因素各异，单一的模型参数难以响应滑坡地质条件的具体变化。目前，对降雨型滑坡的预测多是从数据挖掘的角度出发，利用静态数据的规律，建立合适的数学模型，而并未与滑坡实际演化过程建立关联。因此，在提升模型数学精度的同时，如何科学研究滑坡演化过程，考虑非线性动态因素(降雨量)对降雨型滑坡位移的影响，对该类滑坡稳定性评价具有重要作用。

/

• 分享
• 用微信扫码二维码

分享至好友和朋友圈