1. 研究目的与意义（文献综述）

滑坡是一种常见的地质次生灾害，通常发生于斜坡上的岩石、土体在重力作用下，受到降雨、地下水、地震以及人为活动等诱发因素，沿着切滑面发生整体或者分散地顺坡向下滑动。滑坡发生时一方面会对生态环境和自然资源带来巨大破坏，同时将对人类的生命和财产安全造成严重损害。我国是世界上滑坡最频繁发生国家之一，根据国土资源部中国地质调查局的《全国地质灾害通报》整理的数据，2012年-2016我国地质灾害分布情况如下表所示：

显然，历年来在我国发生的地质灾害事件中滑坡发生的次数占比极高，平均超过70%，所造成的破坏尤为凸显。此外，据最新统计数据显示：2018年全国共发生地质灾害2966起，造成105人死亡、7人失踪、73人受伤，直接经济损失14.7亿元。其中特大型地质灾害有21起，造成1人死亡，直接经济损失2.6亿元;大型地质灾害有36起，造成1人受伤，直接经济损失2.3亿元;中型地质灾害有259起，造成53人死亡、5人失踪、18人受伤，直接经济损失5.8亿元;小型地质灾害有2650起，造成51人死亡、2人失踪、54人受伤，直接经济损失4.0亿元。

滑坡大型灾害事故频发，已造成了大量人员伤亡和巨大的经济损失。加强对滑坡结构分析，加深对滑破演化分析、滑坡预警预报、滑坡预测、控制等相关方面的研究具有重大现实意义和经济意义。

现有的研究成果表明，斜坡的稳定性状况与其所处的变形阶段有着直接的联系，根据已知的监测数据信息，准确地判断斜坡的演化变形阶段是进行斜坡稳定性评价和滑坡预测预报的基础。因此，如何准确、定量地判别斜坡的演化变形阶段成为具有重要研究意义的热点问题。目前，针对滑坡演化状态、变形阶段的划分判别主要从滑坡的累计位移、变形速率和加速度等在演化过程不同阶段的变化规律的特点入手，进行系统分析研究。

大量监测资料表明，具有蠕变特点的滑坡从变形启动到整体滑动破坏这一过程一般要经历初始变形、等速变形和加速变形3个阶段，且不同阶段有其不同的变形特点。其中加速变形阶段还可以细分为初加速、中加速和临滑阶段。一旦滑坡进入临滑阶段，则预示滑坡已进入失稳状态，滑坡即将发生。在以上理论的基础上，依据加速度的变化在进入临滑阶段前后表现出与累积位移和变形速率完全不同的特点，提出基于加速度的滑坡临滑预警方法和临滑预警指标，以实现滑坡自动临滑预警。（许强和曾裕平，2009）但其对于演化阶段划分和临滑预警指标的具体数值确定时，往往是依据对加速度曲线特征进行分析来人为划分并大致估计出相应指标的阈值，缺少相应的理论支持和定量计算。此外，滑坡的变形破坏，受到多种诱发因素，如降雨、库水位升降等的影响当前滑坡的演化阶段划分多是对位移这一单变量进行研究，未能考虑诱发因素对滑坡的影响。针对上述问题，选取月降雨量、月库水位高程变化量对滑坡的累计位移建立多因素的时间序列预测模型．然后利用Chow分割点检验理论，以所建模型中F和LR统计量最大值点作为分割点对滑坡演化阶段进行划分，为滑坡的临滑预警预报提供重要判据（罗文强，2016）。显然，对滑坡不同演化变形阶段临界值、突变点的研究存在不足，基于滑坡数据库信息，采用统计分析方法研究滑坡不同变形阶段历时特征及其与不同影响因素的相关性、总结不同变形阶段裂缝发展及宏观特征、分析不同变形阶段滑坡位移速率预警判据（李聪，2016）。

针对滑坡时间预测的研究始于20世纪60年代，经过国内外专家学者数十年来不懈的努力和探索，滑坡的时间预测理论已经实现很大的发展和进步，因其显著的现实意义，目前，该方面的研究依然是滑坡领域研究中的热门课题。基于各种数学方法和理论模型，滑坡时间预测方法大致可以概括为以下几类：确定性预测模型，统计预测模型，非线性预测模型，综合预测模型。其中统计预测模型、非线性预测模型及综合预测模型应用居多。为了能更好地拟合滑坡位移-时间的变形破坏曲线， 学者们基于系统科学理论建立了一系列统计分析模型。 这类模型采用拟合的方法，注重位移-时间曲线的拟合优度。统计分析预测预报模型主要包括： Verhulst 模型、灰色模型、 Pearl 生长模型、灰色位移矢量角模型、 黄金分割模型等。

考虑到滑坡系统是一个开放的复杂巨系统， 从上个世纪 90 年代开始，许多学者结合滑坡预测领域的特殊背景，基于系统科学和非线性科学理论建立了一系列滑坡非线性预报模型， 诸如神经网络模型、非线性动力学模型、 突变理论预测模型、分形理论预测模型、协同预报模型等。神经网络具有强大的功能，采用合适网络结构就能够描述出任意阶复杂系统内部各参数间的非线性关系，它通过反复学习样本来实现对研究对象的预测。将神经网络运用到滑坡研究中，可实现对滑坡位移的预测且准确率高。

滑坡演化不仅与其自身岩土体特性有关，许多外界影响因素甚至人类活动都会对边坡系统的稳定性产生影响，由于这种复杂性和不确定性，确定性预测模型，统计预测模型和非线性预测都没有取得太好的预测效果。确定性预测模型需要许多假设，当滑坡系统条件简单时，预测效果良好，但是当条件复杂时，预测效果往往与现实情况相差很远。统计模型和非线性模型对历史数据的拟合效果很好，但是对未来数据的预测效果往往不尽人意。因此一些学者尝试采用综合预测模型，将定性定量的方法有机的结合起来，有效的提高了模型的预测效果。

2. 研究的基本内容与方案

基本内容：

根据目前国内外在滑坡演化变形阶段划分方面的研究现状，本毕设拟采用先进的机器学习中的聚类算法和分类算法，对已知的滑坡多场信息监测数据进行挖掘，拟采用无监督学习聚类算法实现对滑坡演化状态的自适应分层分簇，进而将滑坡演化状态划分为不同的级别。之后采用监督学习分类算法训练性能良好的分类器，进而实现对滑坡演化状态的分级预测。具体研究内容如下：

1）水库型滑坡工程地质基础知识和滑坡监测数据的预处理

3. 研究计划与安排

1-2周，搜集阅读文献，完成开题报告和文献翻译；

3-4周，学习滑坡的基本工程地质背景知识；

4. 参考文献（12篇以上）

[1] 罗文强，李飞翱，刘小珊，黄丽等．多元时间序列分析的滑坡演化阶段划分[j]．地球科学，2016，41（4）：711-717．

[2] 李聪，朱杰兵，汪斌等．滑坡不同变形阶段演化规律与变形速率预警判据研究[j]．岩土力学与工程学报，2016，35（7）：1407-1414．