基于系统聚类-加权马尔科夫耦合模型滑坡预警方法研究与应用.pdf

第4 5 卷第5 期 2 0 2 0 年5 月 煤炭学报 J O U R N A LO FC H I N AC O A LS O C I E T Y V 0 1 ．4 5N o ．5 M a y 2 0 2 0 移动阅读 王东，杜涵，王前领．基于系统聚类一加权马尔科夫耦合模型滑坡预警方法研究与应用[ J ] ．煤炭学报，2 0 2 0 ，4 5 5 1 7 8 3 1 7 9 4 ．d o i 1 0 ．1 3 2 2 5 ／j ．c n k i ．j C C S ．2 0 1 9 ．0 6 0 7 W A N GD o n g ，D UH a n ，W A N GQ i a n l i n g ．R e s e a r c ha n da p p l i c a t i o nf o re a r l yw a r n i n go fl a n d s l i d e sb a s e do nh i e r a r c h i c a l c l u s t e r i n gc o u p l i n gw e i g h t i n gM a r k o vC h a i nm o d e l [ J ] ．J o u m a lo fC h i n aC o a lS o c i e t y ，2 0 2 0 ，4 5 5 1 7 8 3 1 7 9 4 ．d o i 1 0 ．1 3 2 2 5 ／j ．c n k i ．j C C S ．2 0 1 9 ．0 6 0 7 基于系统聚类一加权马尔科夫耦合模型滑坡预警 方法研究与应用 王东，杜涵，王前领 辽宁工程技术大学矿业学院，辽宁阜新1 2 3 0 0 0 摘要滑坡的非线性运动规律及演化过程中表现出的随机性态一直是滑坡灾害预测研究的难点 之一。针对现有滑坡预警理论与方法仍存在的可信度较低、错误率高及预警不及时等问题，基于马 尔科夫链理论和系统聚类基本思想，视滑坡过程中的位移速度演变为马尔科夫过程，运用聚类分析 将G P S 速度观测信号转换为状态信号，从随机过程角度对滑坡位移加速度a 0 这一滑坡判据进行 了新的描述。认为当监测获得的前日、当日位移速度以及预测获得的次日位移速度状态均为“异 常”，且动态样本的位移速度均值和标准差持续增大时，预示着滑坡即将发生；在兼顾应规避滑坡 预警滞后性的同时，还考虑了预警模型的降噪能力及可信度等3 方面需求，提出了以预警区域敏感 度、预警正确率与预测共识率为评估函数来检验滑坡预警模型的正确性和有效性，进而提出了系统 聚类一加权马尔科夫链耦合滑坡预警方法；结合平庄西露天煤矿顶帮“4 1 7 ”滑坡工程实例，以 G P S 表面位移监测数据为训练集和测试集，对该滑坡预警方法的合理性进行了验证。研究表明采 用该滑坡预警方法，不仅可及时、准确的确定滑坡预警时刻，还可体现滑坡启动、发生、发展在区域 上的动态演变过程；对于平庄西露天煤矿的“4 1 7 ”滑坡，最佳样本容量为2 0 ，此时的平均7d 预 警敏感度为8 4 ％，对全部监测点的期望预警正确率为9 3 ％，平均预测共识率为7 6 ％，能够满足工 程需要。 关键词滑坡判据；预警模型；马尔科夫；系统聚类 中图分类号T D 2 1 6 ；P 6 4 2 ．2 文献标志码A 文章编号0 2 5 3 9 9 9 3 2 0 2 0 0 5 1 7 8 3 - 1 2 R e s e a r c ha n da p p l i c a t i o nf o re a r l yw a r n i n go fl a n d s l i d e sb a s e do n h i e r a r c h i c a lc l u s t e r i n gc o u p l i n gw e i g h t i n gM a r k o vC h a i nm o d e l W A N GD o n g ，D UH a n ，W A N GQ i a n l i n g S c h o o lo f M i n e s ，L i a o n i n gT e c h n i c a lU n i v e r s i t y ，F u x i n ，L i a o n i n g1 2 3 0 0 0 ，C h i n a A b s t r a c t O n eo ft h ed i f f i c u l t i e si nl a n d s l i d er e s e a r c hc a nb ea l w a y sc l a s s i f i e di n t ot w om a i nc a t e g o r i e s t h en o n l i n e a r m o t i o nl a wo fl a n d s l i d ea n di t ss t o c h a s t i cs t a t ei nt h ep r o c e s so fe v o l u t i o n ．H o w e v e r ，s o m ee x i s t i n gl a n d s l i d ee a r l y w a r n i n gm e t h o d sa n dt h e o r i e sh a v el o wc r e d i b i l i t y ，h i g he r r o rr a t ep r e d i c t i o n ，a n du n t i m e l ye a r l yw a r n i n g ．A sc a nb es e e n ， t h ed i s p l a c e m e n tv e l o c i t yp r o g r e s si nt h el a n d s l i d ee v o l u t i o nc a nb er e g a r d e da saM a r k o vp r o c e s sb a s e do nM a r k o v c h a i nt h e o r ya n dt h eb a s i ci d e ao fh i e r a r c h i c a lc l u s t e r i n g ．H i e r a r c h i c a lc l u s t e r i n gc a nc o n v e r tG P Sv e l o c i t yo b s e r v a t i o n 收稿1 5 1 期2 0 1 9 0 5 0 9修回日期2 0 1 9 1 1 0 1责任编辑陶赛 基金项目国家自然科学基金资助项目 5 1 8 7 4 1 6 0 ；辽宁省高等学校创新团队支持计划资助项目 L T 2 0 1 8 0 0 8 ；辽宁省高等学校创新人才支 持计划资助项目 L R 2 0 1 6 0 3 9 作者简介王东 1 9 7 8 一 ，男，辽宁法库人，教授，博士生导师。E - m a i l I n t u _ w d 1 6 3 ．c o m 通讯作者杜涵 1 9 8 9 一 ，男，辽宁阜新人，博士研究生。E - m a i l M r k o n g f u p a n d a g m a i l ．c o m 万方数据 1 7 8 4 煤炭学报2 0 2 0 年第4 5 卷 s i g n a l st os t a t es i g n a l s ．T h em o d e lp r o p o s e san e wd e s c r i p t i o no fa c c e l e r a t i o nl a r g e rt h a n0o fl a n d s l i d ed i s p l a c e m e n t f r o mt h ep e r s p e c t i v eo fs t o c h a s t i cp r o c e s s I ti sc o n s i d e r e dt h a tw h e nt h em o n i t o r i n gd i s p l a c e m e n tv e l o c i t ys t a t eo ft h e d a y ，t h ed a yb e f o r e ，a n dt h ep r e d i c t i n gd i s p l a c e m e n t o ft h en e x td a ya g ea l la b n o r m a l ，a n dt h em e a na n ds t a n d a r dd e v i ． a t i o no ft h ed y n a m i cs a m p l ed i s p l a c e m e n tv e l o c i t yc o n t i n u et ok e e pi n c r e a s i n g ，i th e r a l d st h a ts l o p ei sa b o u tt os l i d e a n dt h e nf o r mal a n d s l i d e ．C o n s i d e r i n gt h ea n t i i n t e r f e r e n c ea n dr e l i a b i l i t yo fe a r l yw a r n i n gm o d e lw i t hr e s p e c tt ot i m e l i n e s sr e q u i r e m e n t ，t h ep a p e rp r e s e n t e da ne v a l u a t i o nf u n c t i o nt ot e s tt h ee f f e c t i v e n e s so fl a n d s l i d ee a r l yw a r n i n gm o d e l b ye a r l yw a r n i n gs e n s i t i v i t y ，e a r l yw a r n i n ga c c u r a c yr a t e ，a n dp r e d i c t i o nc o n s e n s u sr a t e ．A l s o ，t h el a n d s l i d ee a r l yw a i n - i n gm e t h o do fw e i g h t e dM a r k o vc h a i nc o u p l i n gh i e r a r c h i c a lc l u s t e r i n gh a sb e e np u tf o r w a r d ．T h ee a r l yw a r n i n gm o d e l w a st e s t e dw i t hP i n g z h u a n go p e n - p i tm i n ee n g i n e e r i n ge x a m p l e ．G P Ss u r f a c ed i s p l a c e m e n tm o n i t o r i n gd a t aw a st a k e n a st h et r a i n i n gd a t a s e ta n dv a l i d a t i o nd a t a s e t ．T h ed i s q u i s i t i o nd e m o n s t r a t e st h a tt h ee a r l yw a r n i n gm e t h o dp r o p o s e di n t h ep a p e rn o to n l yd e t e r m i n e sl a n d s l i d ee a r l yw a r n i n gt i m e ，b u ta l s om u c hr e f l e c t st h ep r o m o t e r ，o c c u r r e n c e ，a n dp r o g r e s so fl a n d s l i d ei nt h er e g i o no fd y n a m i ce v o l u t i o n ．F o rt h e4 ．1 7l a n d s l i d ee n g i n e e r i n ge x a m p l ei nP i n g z h u a n go p e n p i tm i n e ，t h eo p t i m a ls a m p l es i z ei s2 0 ，t h ea v e r a g e7 - d a yl a n d s l i d ee a r l yw a r n i n gs e n s i t i v i t yi s8 4 ％，a v e r a g ee a r l y w a r n i n ga c c u r a c yr a t ei s9 3 ％，a n dt h ea v e r a g ep r e d i c t i o nc o n s e n s u sr a t ei s7 6 ％．T h ep a r a m e t e rc a nm e e tt h ee n g i - n e e r i n gr e q u i r e m e n t s ． K e yw o r d s l a n d s l i d ec r i t e r i o n ；e a r l yw a r n i n gm o d e l ；M a r k o v ；h i e r a r c h i c a lc l u s t e r i n g 世界上有很多国家面临地质灾害频发的问 题【1 - 2 ] ，人民生命财产安全和社会发展受到了严重威 胁【3 。4J 。随着量测技术的发展和仪器精度的提高，安 全监测在边坡工程中的应用越来越广泛“ 。6J ，弥补了 极限平衡法、数值模拟等手段在边坡动态稳定性分析 方面的不足。充分利用其获得的动态监测数据对失 稳边坡进行预警成为了岩土工程领域的研究热 点‘7 8 1 。 围绕该难题，S A I T OM 一1 首先基于对边坡破坏现 场实测记录的检验，提出了“斋藤模型”，为理解稳定 蠕变与加速蠕变阶段的应变速率如何影响滑坡发生 的位置、时间和速度等问题提供了理论框架； K A W A M U R A 【l 训采用最小平方法及P 阶差分方程的 滞后算子分解形式求解S a i t o 公式，使得斋藤模型精 度得到较大提高。在此基础上，近年来越来越多的滑 坡预警方法被提出，如统计方测1 1 叫3 | 、灰色理 论[ 1 4 。15 | 、边坡位移预测模型【1 6 。1 8 1 等。这些方法大多 需要通过阐明滑坡与地质地貌条件、水文环境等静态 特征因素间的潜在关系来分析滑坡的演化状态。然 而，这些模型也有明显的缺点使用范围有限，对原始 监测数据质量要求高。露天矿由于受到监测设备成 本高、动态开采以及监测设备布设困难等因素制约， 限制了通过多元数据观测滑坡体在各种外部影响因 素作用下的特征响应。所以要根据现有露天矿普遍 采用的G P S 位移监测设备，根据获取到的表面位移 监测数据进行滑坡预警模型的建立与分析。边坡位 移监测数据通常为二元属性变量，即安全与不安全。 系统聚类分析方法可以从数据中提取状态模式，将数 据进一步简化，使数据不受单位量级等其他噪声的干 扰【1 9 - 2 3 ] 。在露天矿滑坡预警中，系统聚类方法可以 对采集到的监测数据进行状态表达，为进一步的数据 分析提供基础。随着信息论和数值计算方法的不断 发展，马尔科夫链的出现为滑坡预警提供了一种可能 性，它能够在掌握有限数据的状况下，利用其无后效 性预测优势【2 4 屯引，来描述滑坡演化与其运动规律的 随机性态。系统聚类分析与马尔科夫预测理论虽然 分别在信息科学与工程科学中广泛应用，但是二者耦 合模型在滑坡预警的应用研究目前还较少。 预警指标的选择是预警过程中的重要一步，以往 的研究多将相对保守、经验成分居多滑坡变形类判据 作为预警基础如李聪等心刊选择变形速率为指标，来 探究滑坡不同演化阶段的演化规律；许强等心副利用 改进切线角模型对斜坡加速度变形阶段的状态进行 了进一步的细分。但是这些模型的预警精度和预警 区域的准确性仍然有待提高。针对这一问题，王东 等【2 9 1 认为加速度应该成为“预测滑坡发生故障的基 础”，建议将加速度大于0 作为滑坡预警准则，并从 统计学的角度对该准则进行了描述，提出了边坡临滑 时刻 D Y M I S 的预警模型评价方法，克服了以往采 用速率阈值预警不具有普适性的不足。但该种方法 一般在滑坡启动后方能做出判断，因此存在一定的预 警滞后问题。为此，笔者基于马尔科夫链预测理论与 系统聚类的基本思想，从滑坡判据的合理选取与描述 人手，兼顾预警的及时性、抗干扰性及可信度，探索一 种新的滑坡预警方法，为准确、及时实施滑坡预警提 供科学手段。 万方数据 第5 期王东等基于系统聚类一加权马尔科夫耦合模型滑坡预警方法研究与应用 1 7 8 5 1 系统聚类一加权马尔科夫链耦合滑坡预警 方法研究 在随机过程中，马尔科夫性质是指一个随机游动 模型在给定现在状态 p r e s e n ts t a t e 及所有过去状 态 s t a t es p a c e 集合的情况下，其未来状态的条件概 率 C o n d i t i o n a lP r o b a b i l i t y ，C P 分布仅受当前状态控 制，其实质是利用初始概率 I n i t i a lP r o b a b i l i t y ，I P 和 不同状态的关系转换概率 T r a n s i t i o nP r o b a b i l i t y ，T P 来表示状态的过渡进程，在预测领域应用极为广 泛口0 I 。不难想象，滑坡的发生必然要经历位移逐渐 增加的过程，在该过程中，在离散时问下任一时刻的 位移速度是随机的，且下一时刻的位移速度不受当前 时刻的影响，为典型的马尔科夫链 图1 。另一方 面，边坡的稳定性状态可严格地划分为两种，即“稳 定”与“不稳定”，若能找到恰当的状态判断标准，即 可利用马尔科夫链理论对边坡的状态进行预测，再结 合该标准，做出是否应该进行滑坡预警的判断。 n L 一 图1系统聚类马尔科夫示意 F i g ．1 M a r k o vd i a g r a mo fh i e r a l ’c h i c a lc l u s t e r i n g 系统聚类是最基本和最常见的一种状态划分方 法；该方法将分类对象中两个最相似的组合聚合成一 对集群，并构造一个新的层次分类结构，便能自然地、 客观地得到一张完整的分类系统图一㈠。因此，笔者 将马尔科夫链理论与系统聚类方法相结合，试图在选 取合理滑坡判据的基础上，应用马尔科夫链理论对其 进行描述，然后借助系统聚类方法对边坡状态进行划 分，构建一种新的滑坡预警模型，为有效实施滑坡预 警奠定理论基础。 1 ．1 系统聚类加权马尔科夫 M C L 的基本原理与 步骤 依据马尔科夫链理论，如果把训练数据集中随时 问演变的位移速度矿看作是一组随机变量{ V t ， t ∈T } 7 1 为时间 ，并根据离散时间下速度随机变 量V t 监测值，建立合理的状态分类标准，并得到原 始速率时间序列下的状态序列；则这个状态序列记录 了位移速度变化的时间信息，由此构造出了离散时间 序列下不同速度状态频率所占空间比，由此得出的状 态转移概率矩阵 S t a t eT r a n s i t i o nP r o b a b i l i t y ，S T P 也 就包含了边坡稳定性状态随时问变化的统计规律 性引。因此，在位移速度数据的动态更新中，马尔科 夫链可以通过对动态系统中时变参数的动态运算，不 断对未来位移速度的状态做出同时包含统计规律性 和时间信息的预测。在应用马尔科夫链理论进行状 态预测时，由于单一初始状态具有较大的偶然性，步 长为1 的状态转移概率矩阵也不能充分刻画状态的 内部转移结构。因此，本文采用系统聚类加权马尔科 夫耦合模型对边坡状态进行预测，该方法引入了不同 步长的S T P 对预测结果的影响，充分将原始数据中 所隐藏的预测信息抽取出来。 具体预测步骤如下①收集某监测点的位移速 度数据序列，选择样本容量，l o ②将数量为n 的初 始样本速度数据序列划分为n 等份。③采用重心 法 C e n t r eg i ’a v i t yn i e t h o d 计算初始节点每个速度数 据之间的距离，将距离最小的两组数据合并为一 类。④重复步骤②，绘制位移速度状态系统聚类 树。根据统计学中的定序尺度，将位移速度的状态 描述为二元属性，即“正常”和“异常”两种状态。 基于布尔运算分别用数字“l ”和“2 ”表示这两种状 态。⑤，为定义向量，根据速度数据的初始状态分 布序列，统计出包含每个离散时间戳下步长为 k 矗 l ，2 ，⋯，r 的状态转移频数矩阵∞3 。。由速度 数据状态转移频数矩阵计算出速度数据的状态转 移概率矩阵。假定速度状态数据序列中的每个数 据戈，的概率只取决于前面Ⅳ一1 个数据有关，由此 确定模型的I P V 。根据Ⅳ元模型时马尔科夫预测所 得的x ，， 1 的状态分布向量，得出Ⅳ取不同值时 曰 1 的组成矩阵曰。⑥以分步长的加权值作为子 序列，以各步长加权值构成m 阶权值矩阵w w ．， w ，⋯，，。 为主序列。求模型自相关系数 A C F ， 并据此由1 7 1 阶加权向量求二者的相关系数就得到 了原时问序列的A C F 。⑦得到m 阶加权马尔科夫 预测的未来状态的分布概率向量c ，c 中最大元素 所在列对应的状态即加权马尔科夫链预测的％ 1 的最可能状态。⑧以预警准则检验当日、前日位移 速度状态及次日位移速度预测状态，判定是否应进 行滑坡预警。⑨更新数据，删除样本中时间最靠前 ◆ 万方数据 煤炭 学报 2 0 2 0 年第4 5 卷 的数据，保持样本容量为n 不变，返回步骤②继续 执行直至不再获取新数据。 显然，在马尔科夫链预测理论的预警模型中， 对所采集到的位移速度状态的真实信息和预测信 息进行描述，基于这两种信息状态反馈可确定边坡 稳定性状况表现。因此，应用加权马尔可夫链理论 进行滑坡预警判断的详细步骤及流程如图2 所示。 布置滑坡监测 收集监测点位 监测速度 利用系统聚类 方法对速度进 行状态划分 用加权马尔科夫 预测次日位移速 所属状态 甄网．匝网．I 甏燃。耘 垦塑塑叁鱼lI 竺垄壁垫塑lI 面袄慕薇苗蓣蕃翔簖 图2 滑坡预警判断流程 F i g ．2J u d g m e n ta n df l o wc h a r to fl a n d s l i d ee a r l yw a r n i n g 图2 中的计算方法中所涉及到的公式包括 速度数据状态转移频数矩阵 S T F M ㈣1 q ‘ 速度数据状态 P ‘ ㈠㈡} j J ㈠蚓 2 式中，P u 了兰L ，对于Vi ，歹，0 ≤P “≤1 ，∑P i 1 ， ∑q u 厂1 P 。的值可以由大数定理∞43 近似认为和测试数据的相 对频度相等。 初始概率向量 I P V A n P ，，P ，⋯，P ， 3 式中以 { 二萎霎舅i ；∈{ I 。1 ，, 2 2 ，, 3 3 ，, ⋯“ - ，, ，r } 状态分布向量 S D V 曰∥ A r k 凡 P ‘ Ⅳ取不同值时的各B 。n 1 的组成矩阵 B 曰} ”1 ’ 曰9 1 曰7 ．1 ’ 4 原时间序歹0 加权向量的协方差与标准差关系表 达式为 I t 一 ∑ 石。一石 戈。。一z r } _ 二二t 二l 二二二二二二二二二二二二二二二 5 “2 _ 二] n 二- k 二二二二二二二二二二二二二二二 L3 ， √荟“c 一- - ，‘；n - k X t k 2 不同步长的m 阶加权矩阵W W 。，W ，⋯，W 。 ’．，共 1 ≤后≤m 0 7 ’．， 2i 一 1 ≤厅≤m ，L ， ∑⋯ 马尔科夫状态预测结果为 B ‘”1 ’ C 1 ，C 2 ，⋯，C ， W l ，W 2 ，⋯，W 。 曰⋯’、 曰∥’I 曰 1 ’J 7 1 ．2 基于马尔科夫链的滑坡判据 按照滑坡三阶段理论’3 卜3 6o ，加速度口 0 即预 示着滑坡将要发生，该判据能够克服广泛应用的 变形速率阈值判据不具有普适性的缺点。但由于 工程环境中各类特定因素的影响，获得的监测位 移速度数据存在许多噪声，从而无法对位移速度 历时曲线进行很好的拟合，也就不能对边坡进入 加速变形阶段的破坏时间进行准确评估“ 7 I 。因 此，如何基于马尔科夫链预测理论的基本思想，合 理描述这一滑坡判据是实现较为精准、及时滑坡 预警的重要前提。 加速度a 0 的实质是位移速度值的增大，而马 尔科夫链理论预测的是状态的改变。显然，对于一定 容量的位移速度数据，可采用系统聚类方法将其划分 为两类，较大的一类界定为相对危险的“异常”状态， 较小的一类界定为相对安全的“正常”状态。通常， 在边坡加速变形阶段，位移速度会连续出现较大值， 马尔科夫链理论也必将连续给出状态“异常”的预测 结果。另一方面，为避免位移矢量出现负值或系统粗 差而造成的状态划分偏差，应将动态样本的位移速度 均值和标准差均增大作为滑坡预警的限制条件。因 万方数据 第5 期 王 东等基于系统聚类- J J H 权马尔科夫耦合模型滑坡预警方法研究与应用 此，可将加速度a O 的判定条件描述为监测获得的 前日与当日位移速度状态为“异常”，预测获得的次 日位移速度状态为“异常”，动态样本的位移速度均 值和标准差持续增大。 2 滑坡预警有效性评判标准的提出 假设各监测点监测周期为ld ，需提前预警的天 数为尺。为保证滑坡预警的及时、可靠，同时在滑坡 演化各阶段的状态预测中保持较高的可信度，笔者按 照重要程度，顺序提出以下3 个滑坡预警的有效性评 价标准。 1 假设在滑坡前尺天之内给出的预警信号次 数为R ，则预警敏感度， R ／R 。，越大，预警滞后 效应越能得到校正；当， 1 时，预警从时间上最为及 时。 2 假设在临滑R 天之前做出的M 次判断中， 有M 次给出了预警信号，则预警正确率W 1 一M ／M 。W 越大，预警可靠性越高；当形 1 时，预 警的可靠性最高。 3 假设滑坡发生前对次日位移速度状态给出 了Q 次预测，其中Q 次与实际相符合，则预测共识 率Y Q ／Q 。Y 越大，预测的可信度越高；当y 1 时，预测状态与真实状态完全一致。 3 工程应用 3 ．1 工程地质概况 平庄西露天矿位于内蒙古自治区平庄市，露天矿 顶帮最大高度逾3 0 0m ，走向长度约4k m ，西临五家 井工矿 图3 ，受露天、地下联合开挖及断层、弱层等 一系列因素影响，曾多次发生滑坡，严重威胁露天矿 安全生产。因此，以5 0 ～2 0 0m 为间距，分别在不同 台阶布置了数十个表面位移监测点，为了解滑坡的变 形特征，以达到避免因突发性边坡失稳事故而造成人 员伤亡的目的。 图3平庄西露天矿遥感正射卫星图 F i g ．3 S a t e l l i t ei m a g eo fP i n g z h u a n gw e s to p e n p i tm i n e 西露天矿顶帮主要由侏罗系砂泥岩互层组成， 此种岩性特征导致顶帮在软弱夹层的泥化影响因 素下于2 0 1 3 0 4 1 7 发生滑坡。滑坡的边界特征 为滑体整体向E s 方向滑移，滑坡总体上呈扇形展 布 图4 ；滑体前缘以舌形形状投入采场沟谷，向 E S 6 0 。伸出约1 6 0m ；后缘以西露天矿与五家矿四井 边界处为界；滑体高差近2 0 0m 、N S 宽约7 0 0m 、E W 向长约4 0 0m 、体积约3 1 0 6I ／1 3 ，属大型岩石深层滑 坡。发生滑坡时周边共布置了2 8 个表面位移监测 点组成系统监测网，其中滑坡区外布设了7 个地表 位移监测点。 图4 滑坡区全貌 F i g ．4 G e n e r a lv i e wo fl a n d s l i d ea r e a 采用3 D M i n e 采矿设计软件对工程地质平面图 进行可视化建模，图5 分别为滑坡前后工程地质平面 图。以I 剖面图 图6 为例进行斜坡结构以及滑坡 变形破坏模式分析。 52 0 0 48 0 0 46 0 0 蓑E 4 4 。4 。。0 0 42 0 0 40 0 0 38 0 0 吕 世 假 2 0 0 8 0 0 6 0 0 4 0 0 4 0 0 2 0 0 0 0 0 8 0 0 o o o o o o oo oo o oo o o o 0 o o o o o o o o oo oo o o0 0 o o o o o oN 寸∞。。0N 目∞。。of - q 寸∞o 。of - q ≈∞ N N N N N nnn nn 目目目目目”．nI n ” 长度／m a 滑坡前 o o o o o o o o oo o oo o o o o o o 8 昌导8 赛8 昌导8 赛g 罱导8 曷g 呙导暑 p ，NN N N n n n nn 目目寸口目I n ”nI n 长度／m b 滑坡后 图5 “4 1 7 ”滑坡前后三维地质模型 F i g ．5 3 Dg e o l o g i c a lm o d e lb e f o r ea n da f t e r “4 1 7 ”l a n d s l i d e 经过前期勘探，煤矿标高 3 2 0m 以上地层大多 万方数据 煤炭 学报 2 0 2 0 年第4 5 卷 6 0 0 5 5 0 5 0 0 姜4 5 0 辎 嬷4 0 0 3 5 0 3 0 0 2 5 0 a 滑坡前 b 滑坡后 图6 “4 1 7 ”滑坡前后剖面 F i g ．6 P r o f i l em a pb e f o r ea n da f t e r “4 17 ’’l a n d s l i d e 数已揭露。斜坡顶帮分布多以泥岩、砂岩混合为主， 该层岩性抗剪能力差，边坡易沿该层发生切层一顺层 滑动，早期滑坡多以此为滑动面。2 号煤顶板以上， 顶帮泥砂岩底板下属辉绿岩层组结构。该层组抵抗 变形能力强，对顶帮岩体起到承载作用。1 ，2 号煤层 分布面积广泛、层位稳定，为本区主采煤层。临近的 五家矿四井开采活动在 3 0 0 ～ 3 5 0m 形成采空区， 造成坡体岩层发生错动和弯曲变形，改变了边坡岩层 完整性和降低了边坡稳定性。根据灾后勘察期间的 观测记录结果显示，在滑坡区顶部边坡走向方向的地 表新生成3 条裂缝，均在滑体后缘附近，且为张裂缝。 后缘地裂缝均是在滑坡后产生，因此不作为本次滑坡 影响因素。 根据地形地貌、斜坡结构等特征分析可知 “4 1 7 ”滑坡变形破坏模式是前缘岩土体在上部压 应力的作用下先形成临空面，产生滑移；继而向后 缘发展。在临近滑坡区后缘五家四井地下开采活 动和采场内采剥工程进行的共同影响下，边坡变形 破坏速度加快，最终导致紧临前缘的岩土体在重力 作用下发生垮塌。因此，“4 1 7 ”滑坡为典型的牵 引式滑坡。 3 ．2 基于监测数据的滑坡演化过程分析 由于滑坡是一种复杂的多过程现象，滑坡演化过 程的识别是滑坡预测预警的前提和基础。在滑坡的 孕育和发展演化过程中，滑坡可分为初始变形阶段、 等速变形阶段和加速变形阶段。同时，基于2 8 个监 测点速度数据的交叉汇编和分析，“4 1 7 ”滑坡不同 部位变形的影响规律和程度在不同变形阶段存在差 异。 通过分析在滑坡区及区域外监测网的监测数 据 图7 可知在滑坡变形初期，5 1 2 测线W Y 2 3 0 0 5 1 2 监测点位移速度有变形启动趋势，其余监测点位 移速度变化较为平稳。此阶段滑体位移虽有逐渐增 大趋势，但是整个滑体仍处于恒速蠕变阶段。 f q 吕 g 赵 删 漤 趔 } * 旨 妄 删 娶 m 龄 趔 睁 苌 6 0 一∞一口一口一”o - n o I n t , - q h N n N h 一口H 口 o o H N t - - q n o 一一c - q N o o 一一N t ．- q o o - _ 一 l 】I H - _ ⋯H Hc _ - q N N Nr q n n n n n n 目目目目 o o o ooooooooooooooooooo J 【l n n n f qr 1r n f n f n f n n f n n nc nc l f n f l n n nc nc n o o o ooooooooooooooooooo N Nr - q NNNNc - q N N N Nc _ - q N Nc - q t - , I N N N N 图7 监测点W Y 2 3 0 0 - 5 1 2 水平方向监测曲线 F i g ．7 C u r v e so fm o n i t o r i n gp o i n tW Y 2 3 0 0 - 512i n h o r i z o n t a Jd i r e c t i o n 一_p．口I【IJ一＼趟删晏漤掣}* 如 ∞ 如 加 m 万方数据 第5 期 乇 东等基于系统聚类- J i l 权马尔科夫耦合模型滑坡预警方法研究与应用 随着时间的延续，位于滑体后边界的5 4 8 测线处 位置稳定性较差，位移速度数据变化大幅度增加，地 表的地裂缝加大，这可能是由于强烈的外界因素导致 的 采坑加深，春季冰雪解冻和露天矿爆破震动 。 但据现场勘探资料显示，此时滑体前缘部位并未出现 大规模裂缝和宏观变形。 从2 0 1 3 - 0 4 - 1 5 开始，滑体加速蠕变阶段特征明 显，系统监测网范围内各监测点位移速度数据时间序 列呈跃阶状加速。直至4 月1 7 日，滑坡位移速率达 到最大，发生滑坡。 3 ．3 一定样本容量下的边坡状态预测 3 ．3 ．1 边坡状态划分 为了检验所构建的预警工况能否满足开发需求， 由于5 1 2 测线上2 3 0 0 为初始变形点，所以采用T M 3 0 智能机器人，对标识的监测点从2 0 1 3 0 卜0 1 0 4 1 7 进行较为完整的监测数据采集，对此模型进行检 验。2 5 个监测数据作为样本容量，求得均值x 1 ．0 2 2 ，标准差S 0 ．6 9 8 。对长度为2 5 的数据序列， 由重心距离法求两两数据之问的绝对距离d 。形 成2 5 2 5 的距离矩阵。根据所求的距离进行归类， 创建系统聚类树，如图8 所示，完成聚类过程。由此 聚类结果，并根据实际情