[发明专利]一种滑坡敏感状态的提取方法

说明书

本发明提供了一种滑坡敏感状态的提取方法，包括：首先构建滑坡系统对外界影响因素的响应规律公式；接下来使用支持向量机算法对滑坡的响应函数进行拟合；再联合粒子群优化算法，寻优得到滑坡对外界影响因素的敏感因子；最后对敏感因子进行聚类分析剔除噪声得到不同的敏感状态。本发明的有益效果是：本发明所提出的技术方案能够寻求滑坡在不同时刻对外界影响因素的敏感程度，通过引入敏感状态，降低了外界影响因素的作用和滑坡位移响应之间的耦合度，有助于提高后续滑坡的预测精度。

技术领域

本发明涉及滑坡监测领域，尤其涉及一种滑坡敏感状态的提取方法。

背景技术

滑坡状态是滑坡总体情况的综合表达，能全面反映滑坡的外部因素、内部结构以及滑坡对影响因素的敏感程度。而目前将滑坡的状态与外界的影响因素联合分析的研究并不多见。现有的文献多数都是论述以滑坡位移为依据对滑坡划分阶段以及分析不同阶段的特征。

秦四清等(2005)对斜坡演化过程中蠕变三阶段的物理机制进行了理论研究。许强团队(2008)根据滑坡累积位移与时间曲线将滑坡分为初始变形、匀速变形和加速变形三个阶段；而在后继的研究中又将加速变形阶段进一步细分为初加速、中加速、临滑三个亚阶段；并根据斜坡的变形-时间曲线特征，将滑坡分为稳定型、渐变型、突发型三类。唐辉明、胡新丽团队(2014)对滑坡岩土体的蠕变划分为多阶段进行分析；将载荷过程中滑坡表面的位移监测数据划分为四个主要的演化阶段，进而分析了土压力的分布状态；对滑坡不同阶段的防治手段和加固效果进行了综合分析。Romy等(2015)根据滑坡的平均位移率和运动方式对不同的滑坡进行了类型划分。李聪(2016)对滑坡不同变形阶段的演化规律进行了研究易庆林(2017)在时间上将水库型滑坡的位移监测数据分为了不同主导因素的三个阶段，并进行滑坡的变形特征研究。薛强等(2018)通过对滑坡进行实时监测，将滑坡变形过程分为四个不同阶段进行稳定性研究。Shun等(2018)通过对滑坡运动规律的研究，认为滑体有蠕变阶段和休眠阶段两个变形阶段。

本发明提出将滑坡位移变化规律聚类为状态后，用状态信息熵作为滑坡的预警指标，并在多个滑坡的历史数据中进行推演论证方法的可靠性，为滑坡状态的应用提供了一种新的思路。

发明内容

为了解决上述问题，本发明提供了一种滑坡敏感状态的提取方法；一种滑坡敏感状态的提取方法，包括以下步骤：

S101：获取目标滑坡历史样本点数据；并建立如公式(1)所示的滑坡系统响应规律公式：

g(x)＝Q·f(x) (1)上式中，g(x)为滑坡对外界影响因素的系统函数；f(x)是滑坡外界影响因素下的响应函数；

S102：根据所述历史样本点数据，采用支持向量机算法对所述响应函数f(x)进行拟合，并采用PSO粒子群算法对敏感因子集合Q中的所有敏感因子进行寻优；二者循环迭代，直到PSO粒子群算法收敛，得到最终的最优敏感因子集合

S103：采用K均值聚类算法对所述最终的最优敏感因子集合中的m个敏感因子进行聚类，将m个敏感因子分为k个类，并将每类作为一个敏感状态，以得到k个敏感状态。

进一步地，步骤S101中，所述历史样本点数据(x_i，y_i)共有m个，且每个样本点都对应有一个敏感因子；Q＝{q1,q2,…,qm}是敏感因子集合，包括m个敏感因子；其中i＝1,2,…,m；m为样本点总个数，x_i为月降雨量或者库水位下降值，y_i为滑坡月位移值。

进一步地，步骤S102中，根据所述历史样本点数据，采用支持向量机算法对所述响应函数f(x)进行拟合，并采用PSO粒子群算法对敏感因子集合Q中的所有敏感因子进行寻优；二者循环迭代，直到PSO粒子群算法收敛，得到响应函数f(x)的具体表达式和最优敏感因子集合具体包括：

S201：根据支持向量机算法，采用如公式(2)所示的线性回归函数来对响应函数f(x)进行拟合：