王云峰，冯 瑾

(甘肃省科学院地质自然灾害防治研究所，甘肃 兰州 730000)

舟曲坐落于甘肃南部，山势陡峭，沟壑纵横，地貌特征复杂，滑坡灾害发育，对当地人民的生命财产安全造成了巨大威胁[1]。针对滑坡易发性的研究以往多采用数学模型分析，田春山等[2]采用CF分析模型获得广东滑坡的易发性，利用Logistic模型计算出滑坡灾害的易发性；司康平等[3]以深圳市某区滑坡为例，证明了GAM模型效果优于Logistic模型和CART模型的结论；屈新星等[4]验证了MaxEnt模型对攀枝花滑坡易发性研究方面的适用性；Pradhan等[5- 7]采用了人工神经网络法、频率比模型、多元回归模型和模糊逻辑对马来西亚等地滑坡进行了易发性评估；唐晓娜[8]基于卷积神经网络及综合指数分析模型评价吕梁市滑坡的易发性；杨强等[9]则选用多种组合数学模型对区域间滑坡易发性和准确度展开评价研究。前人的研究在不同的地域均凸显了各自的评价特点和适用性。近些年来，随着GIS技术的不断发展，采用GIS软件与模型结合的方式对滑坡的易发性展开量化剖析研究取得了较大的研究成果[10- 12]。针对极高易发区的一系列滑坡群，抗滑桩得到了广泛应用且取得了较好的效果[13- 14]。

本文基于舟曲县滑坡灾害特征，考虑不同因素的影响，利用SVM分类原理，运用遥感与反求工程技术从地貌、水文等方面提取8个影响因子，构建了舟曲滑坡易发性评价模型，采用卷积神经网络评价滑坡易发性和分区，有效防治和规避滑坡灾害风险。另外，对极高易发区的滑坡采取“抗滑群桩+扶壁式挡墙”治理措施进行了三维有限元分析，得到防治效果的可靠性，为舟曲县滑坡防治工程的设计、施工提供了科学依据。

1 滑坡易发性评价

1.1 数据采集

本文收集并采用前人勘察研究的67处滑坡，绘制舟曲县滑坡灾害分布图，如图1所示。使用OKIO- 400型激光三维扫描仪，得到研究区的点云数据。通过逆向软件Geomagic采用ICP算法进行三维模型构建，经高斯滤波、散乱数据点的自动分割等步骤，得到山体滑坡的精确数据。

图1 舟曲县滑坡灾害分布略图[1]

1.2 易发性评价

第一步根据地质图、地形图、水文地质图、遥感影像图和滑坡灾害数据库构建区域基础地理空间数据库；第二步，选取适合当地情况的评价因子，建立滑坡易发性的评价指标体系；第三步，对每个单元进行评价分析；第四步，选取合适的易发性评价模型对研究区滑坡定量或定性评价；第五步，基于卷积神经网络模型算法，利用SVM分类器完成研究区的滑坡易发性等级划分，并利用软件Geomagic绘制易发性分区图。

(1)评价因子

由于选取的滑坡灾害影响因子作为危险性评价指标因子的类型众多并且复杂[15- 17]。本文参考了众多研究分类方式方法，并结合了舟曲县独特的自然条件情况，将高程划分为4个等级，坡度划分为4个等级，坡向划分9个方位区间，平面曲率分为3个等级，剖面曲率分为3个等级，距河流距离分为6个等级，距道路距离分为6个等级，见表1。

表1 舟曲县滑坡灾害易发性评价因子分级/分类表[1]

(2)权重确定

分析研究区各类滑坡灾害影响因子，创建层次分析模型，如图2所示。根据层次分析法的赋值原则，依据8个评价因子建立对比矩阵，利用Matlab软件分析影响因子的权重并判断矩阵的一致性[1]，见表2—3。根据层次分析法的赋值原则，建立对比矩阵。依据8个评价因子之间相互的内在支配关系，在Matlab软件下进行分析，并判断矩阵的一致性。

图2 舟曲县滑坡灾害评价层次模型

(3)神经元模型的构建

神经元模型采用外部偏置bk和恒定输入权重相等的突触权重参数模型。x1，x2，…，xm为输入信号；ωk1，ωk2，…，ωkm为神经元k的突触权重；uk为输入信号线性累加求和的输出；yk为神经元输出信号；bk为外部偏置信号；φ(·)为激励函数。表达式如下：

(1)

yk=φ(uk+bk)

(2)

激励函数采用sigmoid函数模型，如图5所示。

图3 卷积神经网络模型

表2 评价因子判断矩阵

表3 评价因子权重值

1.3 评价结果

根据神经元k的突触权重参数分配将研究区舟曲县主要划分为不易发区、低易发区、中易发区、高易发区和极高易发区，并利用Geomagic软件绘制舟曲县的滑坡易发性分区图，如图4所示。其中极高易发区主要集中白龙江流域过舟曲县段西有锁儿头、咀疙瘩巨型滑坡、东有泄流坡、南有峪滑坡，北有三眼峪、罗家峪和寨子沟和南山滑坡群，涉及8个乡镇，涉及面积占舟曲总面积12.5%，分布有30处滑坡灾害点，S313公路几乎全部穿插在该区域，是人类工程活动最为活跃的地带。因此，滑坡的治理显得非常必要和关键。由此可以看出，滑坡的易发性跟人类工程活动的强烈程度有很大的关系。

图4 舟曲县滑坡灾害易发区分级图

1.4 评价结果检验

本文采用滑坡灾害易发性成功率曲线对层次分析法-卷积神经网络模型的评价结果进行有效性检验，如图5所示。图5曲线下的面积即为AUC值，AUC=0.8352，说明了该层次分析法-卷积神经网络模型的正确率为83.52%，表明了该整套的评价模型适用于研究区舟曲县滑坡灾害的易发性评价。

图5 舟曲县滑坡易发性评价结果ROC检测曲线图[1]

2 滑坡治理措施效果研究

基于上述评价结果，舟曲滑坡灾害的极高易发区主要分布在人类工程活动最强烈的区域。因此，在无法避让的情况下，对该区域滑坡进行综合治理显得尤为重要。经过调查发现：该区滑坡治理多采用“抗滑群桩+扶壁式挡墙”治理措施，在滑坡中后部崩塌部位采用多级预应力锚索框架进行永久性预加固，在滑坡崩塌变形的冲沟前部设置拦石坝等工程措施，把滑坡防治与泥石流沟治理相结合，在滑坡前缘设置抗滑桩等。

本文以舟曲县典型的干沟滑坡为例研究浅层碎石层滑坡的治理。干沟滑坡呈舌状，长130m，宽220m，平均厚度15m，体积21.45×104m3。后壁坡度约50°，坡高约30m，坡体物质为松散的碎石、块石，受降雨冲刷作用，坡体中部发育纵向切沟，松散物质在坡脚堆积。块碎石土分析其土体物理参数见表4。

表4 土体物理力学参数

经过有限元非线性计算模拟，挡土墙及抗滑桩变形规律是：挡土墙的变形指向下、向河谷，x向最大位移约为52mm，铅直向最大位移约为5.9mm，挡墙自身的相对变形很小，约在5mm以内；抗滑桩的变形规律表现为明显的“S形”弯曲变形，即滑带土处向河谷侧弯曲，桩顶处向岸坡弯曲，但总体是向河谷变形。x向最大位移约为53.7mm，铅直向下最大位移在桩顶，约为6.9mm；上坡侧桩的变形比河谷侧桩的变形明显，即第1排到第4排逐渐减小。附近滑带土6m以上分层平切面x向位移云图可以看出桩间土有明显的向桩间挤入的现象并呈现出土拱效应，如图6所示。

可以看出，滑坡经过“抗滑群桩+扶壁式挡墙”治理后，桩后滑坡推力明显降低，群桩变形呈“S”形，整体性较好，桩间存在明显的土拱效应，各排桩推力分担效果较好，说明“抗滑群桩+扶壁式挡墙”滑坡治理效果较佳。

3 结论

本文运用遥感与反求工程技术采集数据，利用SVM分类原理构建了舟曲滑坡易发性评价模型，通过卷积神经网络进行滑坡易发性评价，合理划分出舟曲滑坡的易发性分区。其中，极高易发区集中分布在白龙江流域过舟曲县段，是人类工程活动最为活跃的地带。另外，以极高易发区干沟滑坡为例，对其“抗滑群桩+扶壁式挡墙”治理措施进行三维有限元分析发现，滑坡经过“抗滑群桩+扶壁式挡墙”治理后，桩体后滑坡推力明显降低，群桩裂缝呈“S”形，整体性较好，桩间存在显著的土拱效应，各排桩推力分担效果比较好，治理效果较佳。此外，本文选取案例较少，在研究成果代表性方面存在欠缺，有待进一步研究更多数据和案例，使成果更具有说服力。