李小伟 王 琳 王 力 王世梅

（1.湖北冶金地质研究所（中南冶金地质研究所）, 湖北 宜昌 443002；2.三峡大学 土木与建筑学院, 湖北宜昌 443002）

三峡库区滑坡等地质灾害频发[1],尤其是水库蓄水后,部分滑坡有复活迹象,特别是体积超过一百万方的大型滑坡一旦失稳,将引发巨大的损失和次生灾害.受库水位周期性波动的影响,一部分滑坡呈现阶跃状变形的特性[2-3],即滑坡的地表GPS累积位移与时间曲线呈现出阶梯状陡增,位移曲线阶梯状变形与库水位下降作用响应明显,对这类阶跃状变形的滑坡位移发展趋势预测变得相当重要.

目前,滑坡位移预测方法主要通过数学方法进行计算或机器学习模型进行调试和训练来达到预测结果,如宋克志等[4]基于Matlab软件开发了GUI系统,并采用非线性映射功能的神经网络模型对边坡失稳的位移进行预测；杨帆等[5]基于人工蜂群算法与支持向量机模型相结合的方法,对滑坡位移进行训练和预测,为非线性滑坡预测模型提供了新的思路；WANG W等[6]以贵州省青龙滑坡为例,引入精度矩阵提出一种综合预测模型,对滑坡失稳发生位移进行了预测和精度检验.而对于阶跃型滑坡的位移预测模型主要以时间序列分析方法为主,通过对滑坡的累积位移和时间序列进行分解,应用数学方法或机器学习模型对各位移分量进行训练和预测,通过叠加各分量的预测值,即可实现对累积位移的预测.如LIAN C等[7]用具有高精度、能力强、稳……