清华大学学报(自然科学版)

作者：邓李政, 袁宏永, 陈建国, 苏国锋, 张鸣之, 陈杨, 潘睿

单位：1. 清华大学 安全科学学院, 北京 100084;<br>2. 清华大学, 公共安全研究院, 北京 100084;<br>3. 清华大学 合肥公共安全研究院, 合肥 230601;<br>4. 中国地质环境监测院自然资源部地质灾害技术指导中心, 北京 100081;<br>5. 自然资源部地质灾害智能监测与风险预警工程技术创新中心, 北京 100081

关键词：滑坡变形,声发射监测,量化方法,机器学习,预警方法

基金：自然资源部地质灾害智能监测与风险预警工程技术创新中心开放基金资助项目(TICGM-2023-03);北京市自然科学基金青年项目(8244051);博士后创新人才支持计划项目(BX20230175);中国博士后科学基金资助项目(2022M721845);地质调查项目(DD20211364)

滑坡变形破坏过程会持续产生声发射信号, 而声发射技术可用于监测斜坡稳定性。有源波导声发射技术是监测土质滑坡深部变形的有效方法, 能灵敏感知微小变形并持续监测较大变形, 可实现滑坡灾害早期预警。基于一系列滑坡物理模型实验和原位监测研究, 声发射监测数据分析方法由定性化向定量化发展。首先, 该文综述了利用声发射数据量化滑坡深部变形行为的传统方法, 通过经验公式计算反演滑坡位移、 速度和加速度, 提取滑坡运动信息并分析演化规律, 指出传统量化方法面临的挑战; 其次, 阐述了运用机器学习方法自动量化声发射监测数据, 建立滑坡运动状态自动分类模型和滑坡位移预测模型的方法, 用以准确量化滑坡速度、 加速度和位移等关键变形特征; 再次, 在声发射监测和机器学习方法的基础上, 提出了滑坡早期风险分级预警方法, 考虑了数据缺失等不利状况的应对方案; 最后, 讨论了不同应用场景下声发射数据量化方法的选择倾向, 指出了各方法的应用局限和发展趋势。

来源：2024年第11期

《清华大学学报(自然科学版)》期刊编辑部

查看清华大学学报(自然科学版)杂志2024年第11期