赵 淑 敏

(陕西铁路工程职业技术学院 工程管理与物流学院, 陕西 渭南 714000)

滑坡是中国常见的地质灾害之一，其分布范围较广，对区内居民的生命财产安全造成了严重威胁；同时，由于滑坡变形是其稳定性的直观体现，使得开展滑坡变形预测研究具有重要意义[1-2]。值得指出的是，在滑坡变形监测过程中，受监测环境条件限制，滑坡变形数据会含有一定的误差信息，其会对变形预测分析结果造成一定影响，进而有必要在滑坡变形预测过程中进行变形数据的信息分解处理，且栗燊等[3]探讨了不同去噪方法在滑坡变形数据误差信息剔除过程中的适用性；陆付民等[4]则利用卡尔曼滤波实现了滑坡变形信息分解，上述研究虽为滑坡变形信息分解提供了一种思路，但均未涉及经验模型方法的应用研究。同时，在滑坡变形预测过程中，王鸣等[5]利用指数平滑方法实现了滑坡变形预测，而黄晓虎等[6]则在多类阈值条件构建基础上，实现了滑坡变形预测，上述研究虽取得了相应成果，但均是利用单一模型进行预测研究，也缺乏预测结果的准确性校验，鉴于径向基神经网络[7]和马尔科夫链[8]在滑坡变形预测中的适用性，利用两者构建滑坡变形的分项预测模型，且考虑到降雨是滑坡变形的主要诱因，且其具明显的季节性特征，使得季节性Kendall检验适用于滑坡变形趋势判断。综合上述内容，本文以滑坡变形监测成果为基础，先利用经验模态实现其变形信息分解，即将变形数据分解为主趋势项和误差项，且为保证分解结果的最优性，提出对传统经验模态进行优化处理；……