论文部分内容阅读
福建华东岩土工程有限公司 福建福州 350000
摘要:为了消除和减小滑坡变形多点监测中的误差,正确评价滑坡体的整体工程地质特性及其时效性,采用基于交互式融合算法对西南某滑坡变形进行动态分析。在融合了监测年间的水平位移和垂直位移数据后,综合判断滑坡体的依时性工程特性。融合结果表明该滑坡体先后经历了缓慢变形期、匀速变形期、加速变形期和急剧变形期,表明该滑坡体具有阶段性变化的特点,且降雨入渗是引起该滑坡发生位移变形的主要因素,结果符合滑坡体变形特征的自然规律。同时修正了传统方法不考虑传感器自身因素的局限性,合理利用融合方法的互补性,消除了部分传感器采集数据的模糊性、不确定性和随机性,证明了该方法在滑坡动态变形监测与分析中具有有效性和可行性。
关键词:多传感器系统;交互式;数据级融合方法;动态变形监测
1 引 言
滑坡体的变形监测往往能够较为直观地反映出滑坡体的工程性态,滑坡体上不同种类、不同数量的传感器,能够掌握滑坡体演化过程的综合信息。在监测系统中,需要多个传感器从不同方位测量同一指标参数,但这种监测数据会有一定的偏差,这种偏差一方面来自传感器本身的精度,另一方面来自数据处理过程中的数学算法[1]。传统的分类分析方法较为直接,往往局限在单项物理量的分析,缺乏综合的评判和决策[2]。数据融合方法被引入解决监测数据流问题由来已久,例如,胡振涛和刘先省[3]解决了数据融合时的门限预先设定问题;H. Anthony[4] 和S. L. J. Robert[5]的分类融合研究,使用了贝叶斯数据还原方法;A. C. Gail等[6]研究了自组织信息融合问题。但是,这些融合方法多局限于原始数据的一次性滤波去噪,存在人为性和不确定性,容易引起数据信息的丢失;很难综合准确地判断出滑坡的工程特性。
本文基于多传感器数据融合原理,依据交互式融合技术分析滑坡体的稳定性。其基本思想是:采用信号与噪声的状态空间模型,利用前一时刻地估计值和现时刻的观测值来更新对状态变量的确定。其实质是建立多个固定的状态方程和量测方程来描述滑坡位移,并对各监测点采集到的位移数据进行跟踪滤波去噪,以获得被测对象的一致性描述和解释[11]。工程实例表明,该方法能有效地反映滑坡体的整体工程性态的依时性变化。
2 滑坡位移动态监测模型
若将滑坡监测点的位移和速度视为滑坡的状态变量,则由以上分析可建立滑坡在变形阶段的状态方程(相当于理论计算模型)和实际量测方程,即动态监测模型
(1)
式中;;;;;是均值为零方差为Q的量测噪声序列,且与W(k)不相关,Z(k)为坝基的实际位移监测值,它包含了各种影响监测的外界干扰因素(即噪声)。
3 工程实例
3.1 工程概况
西南某电站附近滑坡体规模巨大,若出现边坡失稳现象,将造成水库淤积与河道堵塞,并会危及大坝及其它枢纽建筑的安全。根据地质测绘及勘探资料,滑坡堆积层层厚在40m以上,滑坡体坡度约为35°。滑坡体前缘有多处泉水点出露,均为孔隙性下降泉。近年来,该滑坡各点位移呈现加速增大趋势,由此反映,该滑坡似存在下滑趋势。
3.2 动态监测网布置
为了掌握该巨型滑坡综合性态,在滑坡体上布置了6个传感器进行观测,分别是H08~H13。监测开始于2006年7月,截止2010年2月,共采集约2294组数据。
3.3 计算结果及分析
根据近年来滑坡的动态实测数据,以月为周期建立各个监测点的时间序列,以掌握滑坡体演化过程的信息以及滑坡体的工程特性依时性变化特征和变化趋势。近年来无论是水平位移还是垂向位移该滑坡体总体上具有随时间的推移而增大的趋势。H09与H12在水平位移和垂向位移均远大于其它监测点,分别达到1203.8 mm、1238.7 mm和817.2 mm、652.5 mm,且其变化速度也是最大的,应加强对这两个点的监测。另外一个值得注意的是H13点的位移变化量:2006年7月至2007年7月间,水平位移增大到62.9 mm,垂向位移增大到32.9 mm;2008年2月间又突然减小至31.8 mm和4.3 mm;2008年7月间增至105.4 mm和66.5 mm;此后迅速减小,根据大量的原始动态监测数据,发现其呈现出反复无规律的变化。
由以上反映出,同一时期各个传感器对滑坡体的性态表现出不一致的现象,这一方面可能与采集数据的传感器的敏感性有关;另一方面也可能与自然条件有关,如降雨等;此外,测量人员的不当操作也可能引起误差,即由于传感器的多样性以及观测手段、方法受各种因素的影响,采集到的数据具有模糊性、不确定性和随机性。为了减小以上所述误差,以得到滑坡体的整体性态,利用交互式数据融合进行解析。融合值呈现随时间的推移而增大的趋势,这与大多数监测点反映出的趋势是一致的。经过融合方法处理后可以获得滑坡体整体性态更准确的信息。融合后的数据明显抑制了数据误差,消除了其间的矛盾性。其次,融合后的数据始终处于各传感器采集的数据之间,且接近误差方差较小的测值,这是由于传感器采集的数据存在互补性。互补性可以补偿单一传感器的不准确性和测量范围的局限性。由此可见,融合后的数据比其他各组成部分的子集具有更优越的性能,即融合后的效果更加理想。
自监测之日起至今,由位移信息反映出该滑坡形变经历了以下四个不同的时期:2006年7月至2007年9月的缓慢变形期,该时期时弯曲变形导致地表裂缝向深部扩展,并产生顺坡向的折裂面,最终将沿折裂面产生滑移破坏,滑坡进入缓慢变形期;2007年9月至2008年9月的匀速变形期,该时期内滑坡变形表现为近似匀速,这主要是因为滑坡由软弱的砂板岩、含炭质板岩构成,岩层挠曲现象比较严重,滑坡下滑力受到阻挠;2008年9月至2009年8月的加速变形期,在该时期内,由于前期滑坡体不断受到连续积累的下滑能量,在外界条件突然改变下(如地震和暴雨),可突然发生弯曲-拉裂变形,并持续较长时间,进而产生大范围的倾倒变形;2009年8月至2010年2月的急剧变形期,变形岩体不断加深,上部变形岩体倾倒后与下伏基岩间易形成断续分布的不连续面,因地表水或雨水的入渗,不连续性状不断恶化,最终导致滑坡加速变形。这符合滑坡的工程特性依时性变化规律。综上所述,反映出该融合方法在滑坡体动态变形监测分析中具有有效性和可行性。
4 结论
将交互式融合方法应用于滑坡体动态变形监测的数据分析,采用数据级融合方法,融合了2006年7月~2010年2月的水平位移和垂直位移数据,综合判断滑坡体的依时性工程特性。修正了传统方法不考虑传感器自身因素的局限性,合理利用融合方法的互补性,消除了部分传感器采集数据的模糊性、不确定性和随机性。获得了滑坡体工程地质特性的一致性描述和解释。融合结果符合滑坡体变形特征的自然规律。
该方法不仅可以综合提取滑坡体的变形特征、筛选“关键点”,而且可以为滑坡灾害预测预报、滑坡状态模式识别、工程特性变化和灾害数值分析等研究提供一种新的技术方法。
参考文献:
[1]郭科,彭继兵,许强,等.滑坡多点数据融合中的多传感器目标跟踪技术应用[J]. 岩土力学,2006,27(3):479-481.
[2]欧阳祖熙,张宗润,丁凯,等. 基于3S技术和地面变形观测的三峡库区典型地段滑坡监测系统[J].岩石力学与工程学报,2005,24(18):3 203-3 210.
[3]胡振涛,刘先省. 一种改进的一致性数据融合算法[J]. 传感器技术,2005,24(8):65–67.
[4]ANTHONY H,LIU W R. Fusion rules for merging uncertain information[J]. Information Fusion,2006,7:97–134.
[5]ROBERT S L J,PETER K W. Use of Bayesian data reduction for the fusion of legacy classifiers [J]. Information Fusion,2003,4:23–34.
作者简介:
续元周,男,1982年出生,学士,工程师,地质工程专业。
摘要:为了消除和减小滑坡变形多点监测中的误差,正确评价滑坡体的整体工程地质特性及其时效性,采用基于交互式融合算法对西南某滑坡变形进行动态分析。在融合了监测年间的水平位移和垂直位移数据后,综合判断滑坡体的依时性工程特性。融合结果表明该滑坡体先后经历了缓慢变形期、匀速变形期、加速变形期和急剧变形期,表明该滑坡体具有阶段性变化的特点,且降雨入渗是引起该滑坡发生位移变形的主要因素,结果符合滑坡体变形特征的自然规律。同时修正了传统方法不考虑传感器自身因素的局限性,合理利用融合方法的互补性,消除了部分传感器采集数据的模糊性、不确定性和随机性,证明了该方法在滑坡动态变形监测与分析中具有有效性和可行性。
关键词:多传感器系统;交互式;数据级融合方法;动态变形监测
1 引 言
滑坡体的变形监测往往能够较为直观地反映出滑坡体的工程性态,滑坡体上不同种类、不同数量的传感器,能够掌握滑坡体演化过程的综合信息。在监测系统中,需要多个传感器从不同方位测量同一指标参数,但这种监测数据会有一定的偏差,这种偏差一方面来自传感器本身的精度,另一方面来自数据处理过程中的数学算法[1]。传统的分类分析方法较为直接,往往局限在单项物理量的分析,缺乏综合的评判和决策[2]。数据融合方法被引入解决监测数据流问题由来已久,例如,胡振涛和刘先省[3]解决了数据融合时的门限预先设定问题;H. Anthony[4] 和S. L. J. Robert[5]的分类融合研究,使用了贝叶斯数据还原方法;A. C. Gail等[6]研究了自组织信息融合问题。但是,这些融合方法多局限于原始数据的一次性滤波去噪,存在人为性和不确定性,容易引起数据信息的丢失;很难综合准确地判断出滑坡的工程特性。
本文基于多传感器数据融合原理,依据交互式融合技术分析滑坡体的稳定性。其基本思想是:采用信号与噪声的状态空间模型,利用前一时刻地估计值和现时刻的观测值来更新对状态变量的确定。其实质是建立多个固定的状态方程和量测方程来描述滑坡位移,并对各监测点采集到的位移数据进行跟踪滤波去噪,以获得被测对象的一致性描述和解释[11]。工程实例表明,该方法能有效地反映滑坡体的整体工程性态的依时性变化。
2 滑坡位移动态监测模型
若将滑坡监测点的位移和速度视为滑坡的状态变量,则由以上分析可建立滑坡在变形阶段的状态方程(相当于理论计算模型)和实际量测方程,即动态监测模型
(1)
式中;;;;;是均值为零方差为Q的量测噪声序列,且与W(k)不相关,Z(k)为坝基的实际位移监测值,它包含了各种影响监测的外界干扰因素(即噪声)。
3 工程实例
3.1 工程概况
西南某电站附近滑坡体规模巨大,若出现边坡失稳现象,将造成水库淤积与河道堵塞,并会危及大坝及其它枢纽建筑的安全。根据地质测绘及勘探资料,滑坡堆积层层厚在40m以上,滑坡体坡度约为35°。滑坡体前缘有多处泉水点出露,均为孔隙性下降泉。近年来,该滑坡各点位移呈现加速增大趋势,由此反映,该滑坡似存在下滑趋势。
3.2 动态监测网布置
为了掌握该巨型滑坡综合性态,在滑坡体上布置了6个传感器进行观测,分别是H08~H13。监测开始于2006年7月,截止2010年2月,共采集约2294组数据。
3.3 计算结果及分析
根据近年来滑坡的动态实测数据,以月为周期建立各个监测点的时间序列,以掌握滑坡体演化过程的信息以及滑坡体的工程特性依时性变化特征和变化趋势。近年来无论是水平位移还是垂向位移该滑坡体总体上具有随时间的推移而增大的趋势。H09与H12在水平位移和垂向位移均远大于其它监测点,分别达到1203.8 mm、1238.7 mm和817.2 mm、652.5 mm,且其变化速度也是最大的,应加强对这两个点的监测。另外一个值得注意的是H13点的位移变化量:2006年7月至2007年7月间,水平位移增大到62.9 mm,垂向位移增大到32.9 mm;2008年2月间又突然减小至31.8 mm和4.3 mm;2008年7月间增至105.4 mm和66.5 mm;此后迅速减小,根据大量的原始动态监测数据,发现其呈现出反复无规律的变化。
由以上反映出,同一时期各个传感器对滑坡体的性态表现出不一致的现象,这一方面可能与采集数据的传感器的敏感性有关;另一方面也可能与自然条件有关,如降雨等;此外,测量人员的不当操作也可能引起误差,即由于传感器的多样性以及观测手段、方法受各种因素的影响,采集到的数据具有模糊性、不确定性和随机性。为了减小以上所述误差,以得到滑坡体的整体性态,利用交互式数据融合进行解析。融合值呈现随时间的推移而增大的趋势,这与大多数监测点反映出的趋势是一致的。经过融合方法处理后可以获得滑坡体整体性态更准确的信息。融合后的数据明显抑制了数据误差,消除了其间的矛盾性。其次,融合后的数据始终处于各传感器采集的数据之间,且接近误差方差较小的测值,这是由于传感器采集的数据存在互补性。互补性可以补偿单一传感器的不准确性和测量范围的局限性。由此可见,融合后的数据比其他各组成部分的子集具有更优越的性能,即融合后的效果更加理想。
自监测之日起至今,由位移信息反映出该滑坡形变经历了以下四个不同的时期:2006年7月至2007年9月的缓慢变形期,该时期时弯曲变形导致地表裂缝向深部扩展,并产生顺坡向的折裂面,最终将沿折裂面产生滑移破坏,滑坡进入缓慢变形期;2007年9月至2008年9月的匀速变形期,该时期内滑坡变形表现为近似匀速,这主要是因为滑坡由软弱的砂板岩、含炭质板岩构成,岩层挠曲现象比较严重,滑坡下滑力受到阻挠;2008年9月至2009年8月的加速变形期,在该时期内,由于前期滑坡体不断受到连续积累的下滑能量,在外界条件突然改变下(如地震和暴雨),可突然发生弯曲-拉裂变形,并持续较长时间,进而产生大范围的倾倒变形;2009年8月至2010年2月的急剧变形期,变形岩体不断加深,上部变形岩体倾倒后与下伏基岩间易形成断续分布的不连续面,因地表水或雨水的入渗,不连续性状不断恶化,最终导致滑坡加速变形。这符合滑坡的工程特性依时性变化规律。综上所述,反映出该融合方法在滑坡体动态变形监测分析中具有有效性和可行性。
4 结论
将交互式融合方法应用于滑坡体动态变形监测的数据分析,采用数据级融合方法,融合了2006年7月~2010年2月的水平位移和垂直位移数据,综合判断滑坡体的依时性工程特性。修正了传统方法不考虑传感器自身因素的局限性,合理利用融合方法的互补性,消除了部分传感器采集数据的模糊性、不确定性和随机性。获得了滑坡体工程地质特性的一致性描述和解释。融合结果符合滑坡体变形特征的自然规律。
该方法不仅可以综合提取滑坡体的变形特征、筛选“关键点”,而且可以为滑坡灾害预测预报、滑坡状态模式识别、工程特性变化和灾害数值分析等研究提供一种新的技术方法。
参考文献:
[1]郭科,彭继兵,许强,等.滑坡多点数据融合中的多传感器目标跟踪技术应用[J]. 岩土力学,2006,27(3):479-481.
[2]欧阳祖熙,张宗润,丁凯,等. 基于3S技术和地面变形观测的三峡库区典型地段滑坡监测系统[J].岩石力学与工程学报,2005,24(18):3 203-3 210.
[3]胡振涛,刘先省. 一种改进的一致性数据融合算法[J]. 传感器技术,2005,24(8):65–67.
[4]ANTHONY H,LIU W R. Fusion rules for merging uncertain information[J]. Information Fusion,2006,7:97–134.
[5]ROBERT S L J,PETER K W. Use of Bayesian data reduction for the fusion of legacy classifiers [J]. Information Fusion,2003,4:23–34.
作者简介:
续元周,男,1982年出生,学士,工程师,地质工程专业。