边坡多源海量监测信息融合技术与时变可靠度研究

Field monitoring is an effective means for landslide risk management. With the rapid development of sensing and wireless communication technologies, multi-source large-quantity data in various formats can be obtained from a slope safety monitoring program. Geotechnical community is gradually entering the big-data era. However, development in data analytics technique is slower than that in data acquisition, since more focus has been paid on the latter than the former, which results in field monitoring’s failure to play its due role. How to use the multi-source large-quantity data to evaluate the slope reliability is a key scientific issue facing geotechnical engineers. In this project, a Bayesian networks based data-fusion technique will be developed to integrate multi-source large-quantity observational data. The integrated data is further fused with underlying physical mechanisms for interactive evaluation of the time-dependent slope reliability. Furthermore, landslide risk assessment and mitigation strategies will be investigated based on the data-fusion technique. The outcome from this research project will provide a more comprehensive and reasonable data analytics technique for landslide monitoring and early warning, which is an improvement of the traditional “observational method”. The project will also advance the application of big data analytics and reliability analysis in geotechnical engineering practice, which is a bottleneck in the development of modern geotechnical sensing and monitoring technologies, and landslide hazard analysis and risk assessment.

现场监测是滑坡风险控制的一种有效手段。随着传感及无线通讯技术的快速发展，边坡安全监测不断产生数量巨大、来源广泛、类型复杂的数据，岩土工程正步入大数据时代。然而，与监测技术相比，数据分析技术的发展相对滞后，“重采集，轻分析”的现象一直存在，导致监测工作未能发挥应有的作用。如何利用多源海量监测信息评价边坡的安全度，是岩土工程师面临的一个重要科学问题。本项目将通过开发贝叶斯网络大数据融合技术，实现多源海量监测信息的有机融合。进而综合考虑信息融合与边坡内部物理机制，分析边坡的时变可靠度。并在此基础上，对大数据条件下的滑坡风险评估及防灾减灾策略开展研究。本项目的研究结果将为滑坡监测预警提供更全面与合理的分析技术，是对传统“观测法”的进一步改进，同时也将进一步推动大数据技术与可靠度理论在岩土工程中的广泛应用，解决现代岩土工程传感与监测技术发展及滑坡灾害分析与风险评估中的一个瓶颈问题。

现场监测是滑坡风险控制的一种有效手段。随着传感及无线通讯技术的快速发展，边坡安全监测不断产生数量巨大、来源广泛、类型复杂的数据，岩土工程正步入大数据时代。然而，与监测技术相比，数据分析技术的发展相对滞后，“重采集，轻分析”的现象一直存在，导致监测工作未能发挥应有的作用。如何利用多源海量监测信息评价边坡的安全度，是岩土工程师面临的一个重要科学问题。本项目围绕上述问题开展了一系列的研究。首先，通过识别边坡主要物理参数、监测参数、性能表征参数，并以这些参数为变量，建立边坡动态贝叶斯网络，从海量监测数据中提取关键信息与关键参数，凝练不同信息反映的关键问题及信息的共性和指向性，实现多源信息的有机融合；其次，通过构建随机系数模型，考虑孔隙水压力、温度变化及支护系统老化等因素对边坡位移的影响，并结合监测数据及数值模拟结果，优化随机系数，对不同测点数据的时空相关性进行约束，从而提高了边坡位移的预测精度；然后，开发出基于数据挖掘技术的高效边坡可靠度分析方法，探讨了随机场模拟空间变异性时单元尺寸对边坡可靠度及风险分析的影响规律；最后，基于深圳市近十年的滑坡案例数据，提出了基于改进逻辑回归模型的滑坡易发性分析模型，对滑坡风险进行评估。本项目的研究结果可为滑坡监测预警提供更全面与合理的分析技术，是对传统“观测法”的进一步改进，同时也可进一步推动大数据技术与可靠度理论在岩土工程中的广泛应用，解决现代岩土工程传感与监测技术发展及滑坡灾害分析与风险评估中的一个瓶颈问题。