基于光纖監(jiān)測(cè)和PSO-SVM模型的馬家溝滑坡深部位移預(yù)測(cè)研究*

韓賀鳴 張 磊 施 斌 魏廣慶

(①地球科學(xué)與工程學(xué)院，南京大學(xué) 南京 210023)(②蘇州南智傳感科技有限公司 蘇州 215123)

0 引 言

中國(guó)是一個(gè)滑坡災(zāi)害十分嚴(yán)重的國(guó)家，給人民的生命財(cái)產(chǎn)造成了巨大損失。因此，邊坡穩(wěn)定性監(jiān)測(cè)與評(píng)價(jià)對(duì)滑坡災(zāi)害的防治顯得尤為重要?；聻?zāi)害的發(fā)生通常伴隨著長(zhǎng)期變形，滑坡位移的預(yù)測(cè)預(yù)報(bào)成為一種經(jīng)濟(jì)高效的災(zāi)害防治手段。

滑坡位移預(yù)測(cè)的準(zhǔn)確度一方面取決于模型的優(yōu)劣。自上個(gè)世紀(jì)60年代起，滑坡位移預(yù)測(cè)經(jīng)歷了由最開始的經(jīng)驗(yàn)預(yù)測(cè)到后來(lái)的統(tǒng)計(jì)預(yù)測(cè)再到現(xiàn)在的非線性預(yù)測(cè)3個(gè)階段(許強(qiáng)等， 2004)。目前主流的非線性預(yù)測(cè)模型也由單一算法模型發(fā)展到多算法耦合模型，其中在非線性算法中PSO-SVM耦合模型在滑坡位移預(yù)測(cè)中已取得不錯(cuò)的效果(張俊等， 2015)； 另一方面野外監(jiān)測(cè)數(shù)據(jù)的質(zhì)量也至關(guān)重要。目前滑坡預(yù)測(cè)模型中所采用的監(jiān)測(cè)技術(shù)多為GPS技術(shù)。GPS數(shù)據(jù)只能監(jiān)測(cè)表面位移，一方面精度易受環(huán)境因素影響，另一方面監(jiān)測(cè)最小時(shí)間間隔為1個(gè)月左右，時(shí)間尺度較大導(dǎo)致預(yù)測(cè)的誤差較大，因此基于GPS數(shù)據(jù)進(jìn)行的滑坡位移預(yù)測(cè)可能與實(shí)際情況存在較大差距。滑坡深部位移監(jiān)測(cè)可直接有效地了解滑坡穩(wěn)定性以及滑動(dòng)面的發(fā)展規(guī)律(丁瑜等， 2011)。何滿潮(2009)指出：相比于表面位移監(jiān)測(cè)，滑坡深部位移監(jiān)測(cè)在滑坡位移預(yù)測(cè)中具有較高的準(zhǔn)確度。2015年9月，作者所在的課題組研發(fā)了基于FBG技術(shù)的固定式測(cè)斜儀，并將其安裝在馬家溝滑坡滑帶處，由于無(wú)人值守光纖光柵解調(diào)儀的應(yīng)用，該測(cè)斜儀可對(duì)滑坡進(jìn)行遠(yuǎn)程自動(dòng)化監(jiān)測(cè)和數(shù)據(jù)傳輸，其監(jiān)測(cè)時(shí)間間隔為兩天，大大提高了滑坡深部位移監(jiān)測(cè)的時(shí)間密度。

為實(shí)現(xiàn)滑坡深部位移的小時(shí)間尺度預(yù)測(cè)，本文將光纖監(jiān)測(cè)的深部位移數(shù)據(jù)與PSO-SVM模型相結(jié)合，選取了2016.1～2017.9期間共計(jì)320個(gè)數(shù)據(jù)建立了預(yù)測(cè)模型。根據(jù)光纖監(jiān)測(cè)數(shù)據(jù)得出與滑坡位移具有關(guān)聯(lián)性的影響因素，并利用時(shí)間序列法將位移的預(yù)測(cè)分為趨勢(shì)性位移預(yù)測(cè)以及波動(dòng)性位移預(yù)測(cè)； 采用擬合法實(shí)現(xiàn)趨勢(shì)性位移預(yù)測(cè)，采用PSO-SVM模型實(shí)現(xiàn)波動(dòng)性位移預(yù)測(cè)，預(yù)測(cè)結(jié)果較好。

1 基于FBG的滑坡深部位移監(jiān)測(cè)原理

1.1 FBG基本原理

布拉格光柵具有對(duì)特定波長(zhǎng)光反射的光特性，光纖光柵技術(shù)正是利用這種光特性實(shí)現(xiàn)傳感的，其工作原理及解調(diào)方案如圖 1所示(朱鴻鵠等， 2010)。當(dāng)一束入射光進(jìn)入時(shí)，布拉格光柵會(huì)反射特定波長(zhǎng)的光。并且光柵所受的軸向應(yīng)變和溫度的變化會(huì)影響到反射光的中心波長(zhǎng)λB，其關(guān)系如式(1)所示(Othonos et al.， 2000)：

(1)

式中，λB為反射光的初始中心波長(zhǎng)； ΔλB為中心波長(zhǎng)的漂移量; Δε和ΔT分別為光纖所受的應(yīng)變、溫度變化量;Cε和CT分別為布拉格光柵的應(yīng)變系數(shù)和溫度系數(shù)，其取值約為0.78×10-6iμε-1和 6.67×10-6i℃-1。

圖 1 FBG工作原理示意圖Fig. 1 Schematic diagram of FBG

因此當(dāng)改變光纖光柵所受的溫度、應(yīng)力、應(yīng)變時(shí)，光柵的周期或纖芯折射率也隨之改變，從而反射光的波長(zhǎng)發(fā)生了變化，通過(guò)將光纖所受應(yīng)變和溫度的變化和波長(zhǎng)改變建立對(duì)應(yīng)關(guān)系便能實(shí)現(xiàn)對(duì)應(yīng)變和溫度的測(cè)量。再通過(guò)參考光柵法分離溫度對(duì)應(yīng)變測(cè)量的影響(劉漢平等， 2006)，從而實(shí)現(xiàn)應(yīng)變的高精度測(cè)量。

1.2 滑坡深部位移光纖光柵監(jiān)測(cè)原理

為了監(jiān)測(cè)滑坡滑動(dòng)面的分布和位移，本課題組與蘇州南智傳感科技有限公司合作研發(fā)了FBG傾角傳感器。如圖 2所示，在等強(qiáng)度梁上固定附有FBG的壓力膜，當(dāng)傳感器發(fā)生傾斜時(shí)，重物的重力作用使梁彎曲，進(jìn)而引起光纖光柵波長(zhǎng)的改變。光纖光柵波長(zhǎng)變化量與傾斜角度有一定的線性關(guān)系，通過(guò)室內(nèi)標(biāo)定試驗(yàn)確定其線性系數(shù)，剔除溫度的影響后便可得到相應(yīng)的傾角，進(jìn)而通過(guò)勾股定理(其中L1為固定式測(cè)斜儀長(zhǎng)度，L2為兩固定式測(cè)斜儀間鋼絲長(zhǎng)度的一半)可計(jì)算出深部剪切帶的水平累計(jì)位移(汪其超， 2017)。

圖 2 FBG傾角傳感器原理示意圖Fig. 2 Schematic diagram of FBG inclination sensor

孫義杰(2015)通過(guò)分析兩年的光纖監(jiān)測(cè)數(shù)據(jù)，精準(zhǔn)地確定了馬家溝滑坡的滑動(dòng)面位置。將傾角傳感器放置于滑帶位置，根據(jù)傾角數(shù)據(jù)和傳感器與滑帶的初始距離便可推算滑動(dòng)面處位移值。

2 時(shí)間序列和PSO-SVM模型

2.1 時(shí)間序列加法模型

時(shí)間序列中的每個(gè)觀察值大小，是各種影響因素在同一時(shí)刻發(fā)生作用的綜合結(jié)果。依據(jù)時(shí)間序列加法原則，可將滑坡累積位移分為3部分，分別為受巖土體本身性質(zhì)影響的趨勢(shì)性位移，以及受外界條件變化引起的波動(dòng)性位移和受隨機(jī)因素影響的隨機(jī)性位移(姜諳男， 2007； 徐峰等， 2011)。由于目前難以對(duì)隨機(jī)因素的確定和監(jiān)測(cè)，因此滑坡位移預(yù)測(cè)中不考慮隨機(jī)性位移。所以滑坡累計(jì)位移時(shí)間序列為：

st=ut+vt

(2)

其中，st為滑坡累計(jì)位移；ut為滑坡趨勢(shì)性位移；vt為滑坡波動(dòng)性位移。

因此，目前常采用數(shù)值分析方法將趨勢(shì)性位移分離出來(lái)，進(jìn)而實(shí)現(xiàn)對(duì)趨勢(shì)性位移和波動(dòng)性位移的單獨(dú)預(yù)測(cè)，將兩者相疊加便得到滑坡位移的預(yù)測(cè)。

2.2 支持向量機(jī)和粒子群算法

支持向量機(jī)(Support Vector Machine， SVM)是Corinna et al. (1995)首先提出的，最初主要應(yīng)用于模式識(shí)別領(lǐng)域中，隨著研究的深入，SVM在預(yù)測(cè)和綜合評(píng)價(jià)等領(lǐng)域顯現(xiàn)出很大的優(yōu)勢(shì)。支持向量機(jī)回歸預(yù)測(cè)模型通常將樣本數(shù)據(jù)分成訓(xùn)練集和測(cè)試集，利用合適的非線性映射將訓(xùn)練集數(shù)據(jù)映射到高緯度空間，并在該空間進(jìn)行線性回歸。這樣高維空間的線性回歸就和原始的非線性回歸相對(duì)應(yīng)從而實(shí)現(xiàn)非線性回歸，并得到最優(yōu)決策模型(Vapnik et al.，1996)。支持向量機(jī)原理見Zhou et al. (2016)。

粒子群優(yōu)化算法(particle swarm optimization， PSO)是近年來(lái)發(fā)展起來(lái)的一種新的進(jìn)化算法。從隨機(jī)解出發(fā)，通過(guò)迭代尋找最優(yōu)解，并通過(guò)適應(yīng)度來(lái)評(píng)價(jià)相應(yīng)解的品質(zhì)。這種算法與其他算法相比，具有實(shí)現(xiàn)難度低、精度高、收斂快等優(yōu)點(diǎn)。其主要思想為：將每個(gè)待優(yōu)化問(wèn)題的解都視為搜索空間的一個(gè)粒子，被抽象為沒有質(zhì)量和體積的微粒。PSO算法首先初始化一群隨機(jī)粒子(隨機(jī)解)，然后粒子們就追隨當(dāng)前最優(yōu)粒子在解空間中搜索，即通過(guò)迭代找到最優(yōu)解。在尋找到局部最優(yōu)解和全局最優(yōu)解后，粒子會(huì)根據(jù)一定的公式更新自己的速度和新的位置。

圖 3 預(yù)測(cè)方法流程圖Fig. 3 Prediction flowchart ①模型的建立； ②模型的驗(yàn)證； ③PSO-SVM模型的建立

圖 4 三峽馬家溝Ⅰ號(hào)滑坡野外實(shí)景圖Fig. 4 Field picture of Majiagou No. 1 landslide in the Three Gorges

3 馬家溝滑坡深部位移光纖監(jiān)測(cè)

3.1 馬家溝滑坡簡(jiǎn)介

馬家溝滑坡的邊界大致呈舌狀，如圖 4所示，主滑方向?yàn)?90°，與扎西河大致垂直?；驴v向長(zhǎng)為537im，滑坡前緣和后緣的寬分別為150im和210im?；抡w較為平緩，滑坡面的平均坡度約為15°，從前緣到后緣其高程從135im到280im不等。馬家溝滑坡地層主要由上覆地層和下部基巖組成。上覆地層為松散且易透水的坡積物，主要由粉土夾雜著碎石組成。下覆基巖地層主要由細(xì)砂巖和石英質(zhì)砂巖組成，其間夾雜著薄層的泥巖和粉砂質(zhì)泥巖，遇水之后極易產(chǎn)生滑移。

課題組自2012年起建立馬家溝滑坡光纖監(jiān)測(cè)網(wǎng)絡(luò)，監(jiān)測(cè)效果良好，后因滑坡位移較大導(dǎo)致部分光纖監(jiān)測(cè)孔超出量程無(wú)法測(cè)量。結(jié)合測(cè)斜管監(jiān)測(cè)結(jié)果，馬家溝滑坡深部滑帶為其主要滑帶，如果馬家溝滑坡失穩(wěn)，必將沿此滑帶整體滑動(dòng)，所以對(duì)馬家溝滑坡深部位移的監(jiān)測(cè)顯得尤為重要。因此，在2015年布設(shè)新的光纖綜合監(jiān)測(cè)孔，并在深部滑帶處安裝了固定式測(cè)斜儀，通過(guò)FBG解調(diào)儀對(duì)滑坡深部位移實(shí)現(xiàn)了遠(yuǎn)程監(jiān)測(cè)。2012～2016年間的光纖監(jiān)測(cè)數(shù)據(jù)采集間隔為4個(gè)月，從2016年1月起光纖光柵測(cè)斜儀監(jiān)測(cè)數(shù)據(jù)采集間隔為兩天。根據(jù)以往監(jiān)測(cè)結(jié)果可知，在滑坡12im及34im深度處存在著明顯變形，即潛在滑動(dòng)面位置，與地層巖性等分析結(jié)果一致。

3.2 光纖監(jiān)測(cè)數(shù)據(jù)分析

圖 5 三峽馬家溝地層剖面圖Fig. 5 Map of geological cross section of Majiagou

圖 6 馬家溝滑坡累積位移曲線Fig. 6 Cumulative displacement curve of Majiagou landslide

如圖 6馬家溝滑坡水平累積位移曲線所示，三峽馬家溝深部位移呈明顯階梯狀增長(zhǎng)的特性。位移變化表現(xiàn)出不同幅度的緩增-陡增趨勢(shì)，在2016年5月到9月以及2017年7月到10月期間滑坡均出現(xiàn)了明顯的變形。其他時(shí)期滑坡位移呈平緩增長(zhǎng)的態(tài)勢(shì)。由李曉等(2004)，代貞偉等(2016)，王魯男等(2016)研究可知，庫(kù)水位波動(dòng)和降雨為主要影響滑坡變形的因素。因此本文主要分析庫(kù)水位和降雨量對(duì)滑坡深部位移的影響。

圖 7 累積位移與庫(kù)水位關(guān)系曲線Fig. 7 Relationship curve between cumulative displacement and reservoir level

圖 8 累積位移與降雨量、庫(kù)水位關(guān)系曲線Fig. 8 Relationship curve among cumulative displacement， Rainfall and reservoir level

由降雨與位移關(guān)系圖 8可知，在圖中A段，降雨集中且降雨量大，滑坡也出現(xiàn)了明顯的位移； 但在圖中B段，庫(kù)區(qū)出現(xiàn)密集降雨的同時(shí)庫(kù)水位快速上升，滑坡位移卻處于穩(wěn)定狀態(tài)。這表明滑坡的變形是受降雨和庫(kù)水位波動(dòng)共同影響的，其中庫(kù)水位波動(dòng)為主要影響因素。該發(fā)現(xiàn)也與揭奇(2015)的研究結(jié)果一致。同時(shí)在圖中A段，剛進(jìn)入降雨密集區(qū)的一段時(shí)間內(nèi)滑坡未出現(xiàn)明顯位移； 在B段雨季結(jié)束的一段時(shí)間，滑坡位移明顯增大。這表明降雨對(duì)滑坡的影響同樣存在著滯后性。

4 馬家溝滑坡深部位移預(yù)測(cè)

本文選取具有代表性的B2光纖監(jiān)測(cè)孔共計(jì)320個(gè)數(shù)據(jù)進(jìn)行預(yù)測(cè)，其中前270作為訓(xùn)練集，后50作為測(cè)試集。

4.1 趨勢(shì)性位移預(yù)測(cè)

以往滑坡位移預(yù)測(cè)多采用大時(shí)間尺度，最小時(shí)間間隔常為1個(gè)月，時(shí)間跨度由5～10年不等(張俊等， 2015； 李驊錦等， 2016； 鄧冬梅等， 2017)。因此常采用移動(dòng)平均法(張俊等， 2015)、EMD法(鄧冬梅等， 2017)提取一個(gè)相對(duì)較為平緩變化的函數(shù)曲線，或者采用低次多項(xiàng)式擬合一個(gè)平緩變化的函數(shù)曲線作為趨勢(shì)性位移。而本文選取的數(shù)據(jù)，最小時(shí)間間隔為兩天，時(shí)間跨度接近兩年，可以充分顯現(xiàn)出滑坡位移的具體變化以及和庫(kù)水位等影響因素的關(guān)聯(lián)性。但如果利用以上方法提取出較為平緩的趨勢(shì)性位移則會(huì)出現(xiàn)較大的誤差。因此針對(duì)本文所選取的數(shù)據(jù)，通過(guò)對(duì)比擬合的效果，選用三角函數(shù)來(lái)對(duì)圖像進(jìn)行擬合的精度最高。因此選取前270數(shù)據(jù)點(diǎn)作為擬合樣本，基于matlab平臺(tái)的擬合工具對(duì)數(shù)據(jù)進(jìn)行擬合。其函數(shù)表達(dá)式和主要的參數(shù)如下。擬合方程：

(3)

式中，w=0.7997； 擬合優(yōu)度R2=0.9947;RMSE=0.6466(其他系數(shù)見表 1)。

表 1 擬合方程系數(shù)Table 1 Fitting equation coefficients

之后再利用函數(shù)表達(dá)式代入進(jìn)行后50個(gè)樣本點(diǎn)進(jìn)行趨勢(shì)性位移預(yù)測(cè)，其結(jié)果如圖 9所示，趨勢(shì)性位移曲線整體呈現(xiàn)出陡增-緩增的特征。

圖 9 趨勢(shì)性位移預(yù)測(cè)結(jié)果圖Fig. 9 Results of trend displacement prediction

圖 10 波動(dòng)性位移曲線Fig. 10 Fluctuant displacement curve

4.2 周期性位移預(yù)測(cè)

4.2.1 波動(dòng)性位移提取

依據(jù)時(shí)間序列加法原則，波動(dòng)性位移可由累積位移減去趨勢(shì)性位移得到。因此我們可以得到波動(dòng)性位移的數(shù)據(jù)(圖 10)。我們同樣選取前270個(gè)數(shù)據(jù)點(diǎn)作為訓(xùn)練集，后50數(shù)據(jù)點(diǎn)作為測(cè)試集。

4.2.2 影響因子的確定

圖 11 波動(dòng)性位移與半月前庫(kù)水位日變化量關(guān)系曲線圖Fig. 11 The graph of fluctuant displacement and daily variation of reservoir water level 15 days ago

由上述可知，三峽馬家溝深部位移主要受庫(kù)水位波動(dòng)控制，庫(kù)水位變化會(huì)影響到滑坡深部的應(yīng)力狀態(tài)、動(dòng)靜水壓力、土體的抗剪強(qiáng)度等。三峽庫(kù)區(qū)庫(kù)水位具有明顯的日變化特征，同時(shí)從本文3.2節(jié)的分析可知，庫(kù)水位變化影響滑坡變形具有滯后性，且圖 7中a、b、c、d段出現(xiàn)位移變化滯后現(xiàn)象的時(shí)間跨度為15id左右。因此本文選取了15日前庫(kù)水位日變化量與波動(dòng)性位移做對(duì)比，如圖 11所示，圖中A、B段為a、b段對(duì)應(yīng)15id前的庫(kù)水位高程情況。在a、b段中， 15id前的庫(kù)水位日變化量變化較大且該時(shí)段的庫(kù)水位高程快速上升，波動(dòng)性位移多為負(fù)值，即滑坡具有穩(wěn)定變化的趨勢(shì)； a、b段的前期有一段波動(dòng)性位移為正值，觀察A、B段我們可知，A、B段前是庫(kù)水位下降和上升的過(guò)渡段，位移變化出現(xiàn)滯后性，因此波動(dòng)性位移為正值，即滑坡具有明顯位移。由以上分析可知， 15日前庫(kù)水位日變化量對(duì)波動(dòng)性位移的影響符合實(shí)際情況?？紤]本文數(shù)據(jù)時(shí)間跨度，對(duì)庫(kù)水位變化影響位移變化的滯后性的時(shí)間難以準(zhǔn)確界定，因此再增加1個(gè)月前和2個(gè)月前庫(kù)水位日變化量作為模型的影響因子。

累積位移一方面反映了滑坡變化的總體趨勢(shì)，另一方面也反映了波動(dòng)性位移的變化特征。因此，本文選取了月累積位移量和半月累積位移量與波動(dòng)性位移作對(duì)比。如圖 12所示，A段曲線的變化趨勢(shì)相差較大，除此之外，變化趨勢(shì)較為一致。其原因是A段的累積位移長(zhǎng)時(shí)間的平穩(wěn)增加，較難反映出波動(dòng)性位移的變化趨勢(shì)。但在累積位移變化明顯的階段，波動(dòng)性位移也顯示了很強(qiáng)的關(guān)聯(lián)變化趨勢(shì)。

圖 12 波動(dòng)性位移與半月、1個(gè)月累積位移關(guān)系曲線Fig. 12 Relationship curve among fluctuant displacement， two weeks， a month of cumulative displacement

由本文的光纖數(shù)據(jù)分析可知，降雨與庫(kù)水位共同影響滑坡的變形，且滑坡變形相對(duì)降雨量的改變具有滯后性，由圖 8中A、B區(qū)域降雨位移變化滯后降雨變化的時(shí)長(zhǎng)約為15id，因此本文選用15日前日降雨量作為影響因子。但考慮到時(shí)間跨度只有兩年，期間降雨存在一定的偶然性。出于以上考慮，只選取一個(gè)降雨量的影響因子。

綜上所述，我們選用滑坡日累積位移，滑坡月累計(jì)位移，以及滑坡半月累計(jì)位移； 庫(kù)水位高程、15日前庫(kù)水位日變化量、1個(gè)月前庫(kù)水位日變化量、2個(gè)月前庫(kù)水位日變化量以及15日前日降雨量作為PSO-SVM模型的影響因子。

4.2.3 波動(dòng)性位移預(yù)測(cè)

本文基于Matlab平臺(tái)，采用libsvm工具箱實(shí)現(xiàn)SVM的預(yù)測(cè)。首先將數(shù)據(jù)歸一化，通過(guò)將數(shù)據(jù)歸一化，提高了模型的運(yùn)算效率。之后將數(shù)據(jù)轉(zhuǎn)化為libsvm的標(biāo)準(zhǔn)格式。在Matlab中，利用PSO算法進(jìn)行最優(yōu)參數(shù)的尋找，經(jīng)過(guò)200次迭代后，得到最優(yōu)懲罰因子C=11.2372和核函數(shù)參數(shù)g=3.9796。最后對(duì)訓(xùn)練集進(jìn)行訓(xùn)練，得到模型后進(jìn)行波動(dòng)性位移的預(yù)測(cè)。將其與實(shí)測(cè)數(shù)據(jù)相對(duì)比，結(jié)果如圖 13所示。計(jì)算其均方根誤差(RMSE)和平均絕對(duì)百分誤差(MAPE)分別為0.51imm和0.37imm，預(yù)測(cè)效果較好。

圖 13 波動(dòng)性位移預(yù)測(cè)值與實(shí)測(cè)值對(duì)比圖Fig. 13 Comparison chart of predicted and the really measured fluctuant displacement

圖 14 總位移預(yù)測(cè)值與實(shí)測(cè)值對(duì)比圖Fig. 14 Comparison chart of predicted and the really measured displacement

4.3 累計(jì)位移預(yù)測(cè)

如圖 14所示，波動(dòng)性位移和趨勢(shì)性位移相加便得到累積位移的預(yù)測(cè)值。對(duì)比實(shí)測(cè)值和預(yù)測(cè)值并計(jì)算其相關(guān)系數(shù)為0.98，均方根誤差為0.54imm，得到了很好的預(yù)測(cè)結(jié)果。

5 結(jié) 論

本文通過(guò)將光纖監(jiān)測(cè)技術(shù)與PSO-SVM模型相結(jié)合的方法對(duì)馬家溝滑坡深部位移進(jìn)行預(yù)測(cè)，得到以下結(jié)論：

(1)光纖監(jiān)測(cè)技術(shù)具有精度高、抗干擾性強(qiáng)等優(yōu)點(diǎn)，通過(guò)確定深部位移主要影響因素，可以實(shí)現(xiàn)高精度的滑坡位移預(yù)測(cè)。從本文中的預(yù)測(cè)結(jié)果來(lái)看，預(yù)測(cè)值和實(shí)測(cè)值較為一致，預(yù)測(cè)精度較高。說(shuō)明光纖監(jiān)測(cè)技術(shù)和PSO-SVM模型結(jié)合的方法能很好的應(yīng)用于滑坡位移預(yù)測(cè)。

(2)通過(guò)建立時(shí)間間隔為兩天的預(yù)測(cè)模型，實(shí)現(xiàn)了小時(shí)間尺度的位移預(yù)測(cè)。大時(shí)間尺度的位移預(yù)測(cè)受隨機(jī)因素影響較大，并且不能反映位移在小時(shí)間尺度上的變化。本文通過(guò)PSO-SVM模型對(duì)小時(shí)間尺度的成功預(yù)測(cè)說(shuō)明了PSO-SVM在小時(shí)間尺度預(yù)測(cè)中同樣有著很好的適應(yīng)性。

(3)馬家溝滑坡深部位移主要受庫(kù)水位控制，具體表現(xiàn)為：當(dāng)庫(kù)水位高程處于159im以上時(shí)，庫(kù)水位的變化對(duì)滑坡位移影響較小，滑坡深部位移呈現(xiàn)平穩(wěn)變化趨勢(shì)； 當(dāng)庫(kù)水位高程處于159im以下時(shí)，庫(kù)水位的上升和下降段，滑坡位移分別呈現(xiàn)平穩(wěn)變化和顯著變化的趨勢(shì)。