混合型监测信息的公路山体滑坡灾害动态模糊预警模型

杨 悦 ，陈孝国，黄鸿辉 ，刘纪峰 ，张会芝

（1.三明学院 建筑工程学院，福建 三明 365004；2.工程材料与结构加固福建省高等学校重点实验室（三明学院），福建 三明 365004；3.中国矿业大学(北京)力学与建筑工程学院，北京 100083；4.三明学院 信息工程学院，福建 三明 365004；5.黑龙江科技大学 理学院，黑龙江 哈尔滨 150022）

滑坡是我国主要自然灾害之一。仅福建省而言，滑坡灾害每年造成的损失达数亿元，治理的费用更高于此[1]。全国地质灾害调查结果显示，滑坡在地质灾害中所占比例达75.9%，具有点多面广、突发性强、危害性大等特征[2]。滑坡的主要诱发原因是强降雨，地质灾害的识辩和预警一直是其防治的重点和难点，控制不好，极易造成重大损失。许多学者对此展开广泛研究，潘飞利用模糊理论和AHP（analytic hierarchy process）法对楚雄市各区进行了滑坡危险性研究[3]。陈佩佩等对山西榆次滑坡灾害采用神经网络与GIS（geographic information system）结合研究，建立了危险性预警平台[4]。唐红梅等根据专家打分赋值，借助灰色聚类分析理论对地质灾害区进行了有效划分[5]。许强采用室内分析模拟了滑坡灾害与地质结构等因素的关系[6]。许冲等选取地貌、降雨量、岩性结构等因子，利用证据理论模型对德阳清水河流域进行了滑坡灾害评价[7]。马丽琴对山区公路边坡的监测数据存在语言值时开展了转化研究，并给出预警模型[8]。朱家剑等[9]提出IFOA（improved fruit fly optimization algorithm）算法实现边坡监测数据处理，利用果蝇觅食策略寻找全局最优解进而确定危险滑动面。孙光林等[10]建立物联网滑坡预警系统，借助降雨和下滑力耦合监测数据等关键指标实现预警等级分析。贺可强等[11]从蠕滑变形特征的演化角度出发，根据力学原理获得位移与稳定性程度的关系，给出位移曲线的切线参数随时间变化的规律，建立了安全系数预警法。王存权等[12]构建由坡高、几何结构和含水量等11个影响因素组成的评价指标体系，将可拓理论引入到灾害预警评估中，模型的优点在于可以定量地分析全部因素对预警结果的影响。龚淑云等[13]对神经网络、Verhulst法和灰色预测等模型进行对比分析，得出优选原则并建立以位移切线角为准则的预警模型。

虽然上述文献研究成果丰富，但仍存在如下不足。一是对滑坡灾害的影响指标体系构建不够全面，尤其是没有考虑植被覆盖率和人为因素的影响。二是针对指标信息为实数的预警模型研究较多，而关于普遍存在的既有数值又有语言值的混合型监测信息的研究较少，同时也没有全面考虑数据信息的模糊性。三是现有模型多为静态，无法实现动态预警分析。基于此，本文首先针对山体滑坡构建能够全面反映灾害风险的监测指标体系，然后探讨监测信息由实数值、区间数和语言值组成的混合型数据统一转化为直觉模糊数的方法，并提出离差最大化确权公式，最后借助含有参数的风险函数实现动态模糊预警。

1 构建公路山体滑坡灾害的影响指标体系

1.1 地貌地形

（1）植被覆盖率。植被覆盖率是指一个地区植被覆盖的比例，由于植被能够起到保持水土的效果，所以一个地区的植被覆盖率越高，这个地区发生滑坡危害的可能性就越小。

（2）坡度。坡度用于衡量地面的陡峭程度，它是影响滑坡危害产生的重要因素之一，通常坡度越高滑坡灾害发生越频繁。

（3）地表水。地面上的动态水与静态水统称为地表水，地表水堆积过多将下渗，软化土壤，增大坡体的容重，诱发滑坡的产生。地表水越多，滑坡灾害越容易发生。

（4）坡形。坡形是指坡面的几何形态，滑坡危害多集中于一定的地貌、坡度的斜坡，例如水库、河流或者铁路、公路旁边，当坡度在10°～45°之间时，最容易发生滑坡灾害。

1.2 人类活动

（1）居民建房。由于山区居民一般采用切坡开挖，所以居民建房越密集，滑坡越容易产生。

（2）公路、水利建设。水利建设的灌溉、蓄水、跨领域调水等都可能因为防护措施不强而导致长期渗透山体或余水浸泡山坡而使山体产生下滑。因此，有水利建设的地方，滑坡的危险等级越高。

（3）开采矿石。采矿活动一般需要强有力的爆破，它会使斜坡的岩土体受到震动从而破碎产生滑坡。

（4）人口密度。人员的活动能直接或间接导致一些地形地貌和一些植被覆盖的改变，人口密度越大，滑坡灾害发生的概率就越大。

1.3 地质结构及地震

（1）岩土体。岩土体是产生滑坡的物质基础与内在决定因素，福建省的土体结构疏松不均一，并且大多含有不同数量的碎石，有利于地下水入渗，且抗剪强度比较低。

（2）断裂带。也叫“断层带”，由于山体高大，在差异性上升中可能会造成斜坡、直线坡等坡体，极其容易产生滑坡，所以断裂带也是影响滑坡的一个关键因素。

（3）地震。由于地震会导致山体变得松散，让斜坡承受的力发生改变或者造成地表变形、产生裂缝等，直接或者间接导致滑坡灾害的发生。

1.4 气候条件

（1）降雨量。降雨量是造成滑坡灾害发生的重要因素，降雨量大，斜坡的平衡性就会遭到严重的破坏，使得土壤变得松散，抗剪强度下降，更加容易发生滑坡灾害。

（2）台风。台风往往会带来暴雨和洪水等，台风越频繁，滑坡灾害发生的概率越大。

经过对上述滑坡预警影响因素的分析和阐述，构建出公路山体滑坡灾害的影响指标体系，由4个一级指标，13个二级指标构成，见表1。

表1 公路山体滑坡灾害的影响指标体系

2 公路山体滑坡的动态模糊预警模型

2.1 混合型监测信息转化方法

公路山体滑坡灾害的影响指标体系中既有定量指标又有定性指标，若混合型监测信息以实数值、区间数、语言值给出，则将上述信息统一转化为直觉模糊数。

2.2 指标权重的确定

2.3 得分函数

2.4 模型步骤

步骤一：将边坡监测混合信息转化为直觉模糊数，得到二级指标评价矩阵

步骤四：由式（2）确定各一级指标权重ωk。

步骤六：由式（3）确定各监测点的得分函数，并进行排序和风险分析。

3 实例分析

福建省三明市三元区茶林尾至荆东段，属丘陵地貌，地势总体东高西低，自然山坡相对高差约180 m，坡度25°～35°，属凸形坡，区内露有燕山期侵入岩体，岩性为花岗岩，地下水主要为基岩裂隙水，赋存于基岩风化层的裂隙、孔隙内，富水性贫乏。地处沿海内陆山区，属中亚热带气候，夏长冬短，年平均气温 19.4℃，年日照时数1 442～2 043 h，无霜期270～299 d，年降水量平均在1 400～2 000 mm之间。雨量充沛，冬无严寒，夏无酷暑，四季常青，适宜亚热带作物和林木的生长。边坡泥岩层组的物理力学性能指标为：天然容重ρ=2.52 g/cm3；粘聚力C=1.59 MPa；内摩擦角φ=25.3°；单轴抗压强度R=17.3 MPa。砂岩层组的物理力学性能指标为：天然容重ρ=2.48 g/cm3；粘聚力C=4.91 MPa；内摩擦角φ=41.5°；单轴抗压强度R=28.52 MPa。现针对荆东段尾端坡位于EK0+570-EK0+790右侧，进行公路山体滑坡的监测预警分析，该段坡体主要为表层残坡积层剥落，结构零乱，滑动面呈线型。剥落岩土体堆积于坡脚，顶部树木歪斜。暴雨、坡脚开挖、风化、绿道开挖导致该段坡体不稳定，在极端天气下易引发和加剧滑坡地质灾害。对第315监测点Y1、第316监测点Y2、第317监测点Y3进行实时监测分析，具体数据见表2。

表2 各监测点的监测信息值

3.1 公路滑坡的预警分析

根据工程地质勘探和监测数据（表2），其中植被覆盖率为效益型指标，其余均为成本型指标，语言值均为5粒度。将三个监测点中各二级指标对应的实数值、区间数和语言值信息按照混合型数据转化方法进行处理，从而构建出4个直觉模糊预警矩阵

步骤一：获得二级指标的直觉模糊预警矩阵。

步骤六：根据公式（3）确定出Yi(i=1,2,3)个不同监测点，其滑坡危险度的得分函数为：

通过美国MathWorks公司于2004年开发的MATLAB7.0软件生成滑坡危险度的预警结果图，如图1所示。

图1 不同监测点的滑坡危险度预警结果

通过图可1以得出，随着参数 λ1，λ2在[0,1]上取值的不同，总是成立。综上，评价排序结果为 Y2＞Y1＞Y3，则在三个监测点中317监测点滑坡危险度最高，其次是315监测点，第三是316监测点。

3.2 多种预警方法的对比分析

（1）按照文献 [15]中的方法计算得Q1=0.39，Q2=0.35，Q3=0.50，根据利益比率Q(Y)越小越优的原则可知排序为 Y2＞Y1＞Y3。按照文献[16-18]中的方法计算得m(Y1)=0.41，m(Y2)=0.45，m(Y3)=0.35，根据效用值 m(Y)越大越优的原则可知排序为Y2＞Y1＞Y。上述两种方法与本文预警结果的对比曲线见图2（其中λ1=λ2=0.5）。

（2）从图2可以看出三种决策方法中公路滑坡灾害的预警排序均未发生改变，即风险评价等级Y3最大，Y2最小。但本文提出的预警方法比其它两种方法区分度高，即的值均大于其他方法的差值，同时利用双参数可实现动态预警。

图2 三种预警模型的结果对比曲线

4 结论

本文根据福建省山区公路的实际运营情况,构建了公路山体滑坡灾害的影响指标体系,由 4个一级指标和13个二级指标构成。考虑到滑坡监测数据的模糊性和混合性，利用转化公式、集结算子和离差最大化法建立的动态模糊预警模型更加合理可靠，且可避免浪费大量人力和物力。与已有的两种预警模型相比，提出的多参数得分函数危险度排序法具有更高的预警结果区分度，有利于提高公路山体滑坡灾害的预警水平，保障人民群众的生命财产安全，同时易于编程、实现动态智能预警。此外，本文的模型可进一步推广应用到矿山边坡灾害和生态环境保护的预警中去，但监测数据的合理转化还需要深入研究，预计在山区修建公路预测风险方面将会有较广泛的应用。