基于Box-Jenkins 随机模型的滑坡稳定性预测模型

张泰丽; 吴廷尧; 王鲁琦; 张震

doi:10.3799/dqkx.2023.036

地球科学 ›› 2023, Vol. 48 ›› Issue (05) : 1989 -1999. DOI: 10.3799/dqkx.2023.036

基于Box-Jenkins 随机模型的滑坡稳定性预测模型

张泰丽 ¹^,² ,
吴廷尧 ³^,⁴ ,
王鲁琦 ⁴ ,
张震 ⁵

作者信息 +

Nonlinear Prediction of Landslide Stability Based on Machine Learning

Taili Zhang ¹^,² ,
Tingyao Wu ³^,⁴ ,
Luqi Wang ⁴ ,
Zhen Zhang ⁵

Author information +

文章历史 +

PDF (4631K)

摘要

滑坡稳定性含有非线性特征，机器学习算法相对于传统算法在滑坡稳定性预测中准确性更高.因此，为了更加准确地分析顺层岩质边坡在循环地震荷载作用下的稳定性，结合室内物理模型试验和离散元数值模拟软件PFC3D相互对比的研究手段，得到了滑带土的应变软化过程；并利用滑坡变形的非线性特点，和数值模拟得到的滑坡稳定性系数数据，经过模式识别、拟合检验等提出了基于机器学习算法（Box-Jenkins 随机模型）的滑坡稳定性预测模型.结果表明：（1）剪切应力的逐渐减小促进了滑带土应变的软化过程，滑带土的围压虽然能抑制滑带土裂缝的增加，但对应变软化的抑制作用有限；（2）本研究所建立的标准BIC值为8.160的ARIMA（1，1，0）（0，1，1）模型，可以对边坡稳定系数时间序列数据进行精准预测.基于边坡稳定系数和应力场的现场观测，进一步描述了两种可能的滑坡触发机制，同时时间序列的机器学习能准确预测循环荷载作用下边坡稳定系数的变化规律.