基于监测数据挖掘的库区滑坡表面变形模式及时空规律研究

Landslides monitoring data objectively reflects the process of deformation and changes of main influencing factors, by use of which to mining and analyze surface deformation patterns and spatial-temporal characteristics for reservoir landslides, which is an important means to deepen related research such as the stability evaluation and prediction of reservoir landslides, as well as progress the level of geo-hazards prevention and mitigation in reservoir area. However, nowadays the systematic and comprehensive studies are still deficient because of lacking integrated monitoring data of a large number of landslides and lacking effective data mining methods.Taking into account the rich monitoring data have been accumulated in the process of undertaking landslides professional monitoring works in Three Gorges reservoir area, this project aims to base on the core landslide monitoring data include surface displacement, reservoir water level changes and rainfall,etc.,and use a variety of data mining methods include curve clustering, dynamic interaction analysis, genetic algorithm, support vector machine and geographic information system, etc.,to quantitative analyze and establish the surface deformation patterns classification of reservoir landslides, and then to find the spatial-temporal characteristics for the macro-regional reservoir landslides with different deformation patterns, at the same time, several typical reservoir landslides will be selected to study on the spatio-temporal coupling prediction and rule analysis of landslide surface deformation under the comprehensive influence of internal and external factors. This project can systematically and comprehensively reveal the main characteristics of surface deformation process for reservoir landslides, as well as the spatial-temporal characteristics driven by internal and external factors, so which is of important practical significance and application value.

基于监测数据定量化研究滑坡表面变形模式及时空规律，对深化水库滑坡稳定性评价、预测预报研究及提升防灾减灾水平具有重要意义。针对目前缺少区域性大量滑坡的完整监测数据以及有效的数据挖掘方法，导致相关研究在系统性和全面性上仍显不足的现状，本项目拟基于申请者长期承担三峡库区滑坡专业监测任务所积累的大量监测数据，以三峡库首秭归、兴山段为研究区，以专业监测滑坡的地表位移、降雨、库水位变动等监测数据为核心，综合采用包括曲线聚类、运动相关性、遗传算法、支持向量机、地理信息系统等数据挖掘方法，定量化分析并系统建立库区滑坡表面变形模式分类，进而从宏观区域上挖掘不同模式滑坡的变形时间和空间分布规律，同时针对典型单体滑坡在内外因综合作用下的表面变形开展时空耦合预测及规律研究。项目点面结合，将系统而全面地揭示库区滑坡变形的主要特征过程以及内外因驱动下的时空规律，具有重要的现实意义和应用价值。

监测数据作为对滑坡变形发展及主要影响因素动态变化的客观真实记录，是滑坡研究中最可靠的数据来源。项目以三峡库区库首秭归、兴山段为研究区，以专业监测滑坡地表位移、降雨、库水位变动等监测数据为核心，综合采用数据挖掘和分析方法，定量化分析并建立库区滑坡表面变形模式分类，进而针对宏观区域和典型单体滑坡开展水库滑坡变形模式、规律及预测研究。取得的主要研究成果包括：. （1）建立起了完整的三峡水库库首区滑坡灾害空间数据库。该数据库整合了地质地理背景空间数据、滑坡灾害空间数据以及滑坡专业监测数据，并且随着专业监测工作的持续开展，数据库保持持续更新。. （2）建立起了涵盖滑坡表面变形模式分析、变形量值预测及稳定性模拟预测分析方法。其中变形模式分析由空间模式加时间模式分析组成；对于变形量值预测，建立了一套完整的基于平滑先验法（SPA）的位移分解、基于平均影响值（MIV）的变量筛选及基于遗传算法（GA）参数寻优的支持向量回归机（SVR）预测方法（简称SPA-GA-SVR-MIV模型）；对于稳定性预测，在完善基于有限元的渗流与稳定性数值模拟的同时，还引入多总体判别分析和基于蒙特卡洛法的滑坡可靠度分析方法。. （3）建立起了三峡水库库首区滑坡表面变形模式分类，主要分为库水下降为主、降雨为辅型土质堆积层滑坡，降雨为主型土质堆积层滑坡，库水上升为主、降雨为辅型岩质滑坡，降雨为主、库水上升为辅型岩质滑坡。通过现场调查和综合分析，揭示了秭归沙镇溪库区范围的岩质顺层滑坡以及香溪河下游段岸坡的变形破坏模式。. （4）完成库首区典型单体水库滑坡（树坪滑坡、白水河滑坡、谭家河滑坡、杉树槽滑坡）变形模式、规律及预测研究，揭示研究区最具代表性的库水下降 + 降雨诱发阶跃型土质滑坡、库水上升 + 降雨诱发持续上升型岩质滑坡及降雨诱发突发型岩质滑坡等3类典型水库滑坡的变形时空规律。. 项目点面结合，对于揭示水库滑坡变形时空规律、开展水库滑坡预测预报和防灾减灾具有重要的现实意义和应用价值。依托项目，已公开发表学术论文19篇，其中期刊论文16篇，会议论文3篇，SCI/EI检索5篇，北大中文核心期刊7篇；4名硕士研究生已完成学位论文并顺利毕业，另有3名硕士研究生正在撰写学位论文。