一种基于多源信息融合的滑坡安全性不确定性评价方法

技术领域

本发明涉及岩土工程及高坝大库水动力型滑坡致灾机理研究领域中的滑坡安全性评估方法，尤其涉及一种基于多源信息融合的滑坡安全性不确定性评价方法。

背景技术

目前，在流域开发治理高坝大库建设过程中往往发育有规模巨大、地质条件复杂的滑坡体或崩坡积体，该滑坡体或崩坡积体的成因机制和变形破坏机理往往十分复杂，滑坡在水动力作用下的安全监测风险防控构成典型的多指标不确定性系统，存在着随机性、模糊性和不确定性，亟需开展基于多源监测信息的滑坡安全性分析。

针对信息的不确定性问题，目前常采用多源信息融合的方法，该方法首先选取评价指标并建立安全评价指标体系；其次通过赋权方法计算各指标权重；最后将不同评价指标融合进行安全性评价。但是，对评价指标体系的建立，以实测数据指标为主，少有将定性与定量指标同时引入指标体系。同时，随着信息技术的发展，对安全性评价方法提出越来越高的要求。

证据理论作为一种不确定推理方法，能够有效处理多个不确定性、模糊性信息可能冲突的数据融合问题。但传统的证据理论存在着一定的缺陷，主要在于各监测指标的取值仅为当期值，无法处理时间序列问题，而滑坡是一个随时间不断变化的体系，在滑坡安全评价过程中存在不确定性。

发明内容

发明目的：针对现有滑坡安全性评价方法存在的不足之处，本发明提出一种基于多源信息融合的滑坡安全性不确定性评价方法，该评价方法通过构建滑坡安全性多指标评价体系，克服了证据理论对时间序列数据处理的失效，降低了滑坡安全评价过程中存在的不确定性，对推动相关领域安全性评价方法具有重要意义。

技术方案：本发明基于多源信息融合的滑坡安全性不确定性评价方法包括以下步骤：

(1)选取滑坡安全性评价指标，并构建滑坡定性、定量多指标安全性评价指标体系，确定各评价指标安全等级划分；

(2)利用正向云发生器计算云模型基本参数E

(3)将步骤(2)计算得出的隶属度函数转化为基本概率；

(4)通过证据理论融合计算，完成滑坡变形破坏特征定性指标转化为证据理论的基本概率；

(5)计算动态权重系数和静态权重系数；

(6)根据动静态权重系数及基本概率得到证据，根据Dempster融合准则进行融合计算，得到最终各安全等级对应的基本概率，选择最大基本概率值对应的安全等级为安全评价融合决策结果。

步骤(2)中，由于各评价指标相应标准值不固定，根据监测资料总结反馈、工程类比及专家建议得出，存在不确定性，因此采用云模型对安全等级区间进行处理，该处理过程具有降低不确定性的优势。利用云模型计算定量指标实测时间序列数据对应的隶属度。

该步骤(2)中，对评价指标的稳定性等级区间分别建立云模型，即利用正向云发生器计算模型的各特征值：期望值E

式中：

由各指标实测时间序列及上述指标分级区间云模型特征值计算第j个安全等级下第i个指标特征值的隶属度μ

式中，E'

步骤(3)中，

θ

m

m

步骤(4)中的证据理论融合计算过程为，设m

式中，ω

步骤(5)中，针对证据理论融合时存在的冲突问题，引入静态权重系数实现同一监测项目多组监测数据的融合，引入动态权重系数实现不同证据间的融合，进而实现滑坡安全性的多指标综合评价。

对不同的监测项目即不同的证据，采用动态权重系数的方法确定各证据的权重系数，设共有n条证据，定义证据向量p

两向量p

将证据m

步骤(5)中，对同一监测项目含有多组监测数据，采用静态权重系数方法确定多组数据间的权重系数。

步骤(1)中，定性指标包括滑坡现场变形破坏特征。

步骤(1)中，定量指标包括由监测设备测得的若干监测数据时间序列。

步骤(1)中，监测设备为GNSS、测斜仪或引张线式位移计。

其中，滑坡变形破坏野外现场特征由专业人员根据专业知识及经验案例积累得出，采用“好”、“一般”、“差”的定性评价。本发明将滑坡变形破坏特征定性评价集定义为E＝{很好，好，较好，一般，较差，差，极差}，并对该评价集进行非排他性赋值。

对该评价集进行非排他性赋值见表1。

表1评价集非排他性赋值

定义评价等级特征集并赋值如表2所示。

表2评价等级特征集赋值

U

式中，i为分目标号(i＝1,2,3,…,n)；j为分目标中的指标号(j＝1,2,3,…,m)；s为模糊评价语号，k为特征集号(k＝1,2,3,4,5)。

工作原理：本发明构建滑坡定性、定量多指标安全性评价体系，利用云模型计算定量指标实测时间序列数据对应的隶属度，并将隶属度转化为证据理论的基本概率；将专家评语定性指标转化为证据理论的基本概率；针对证据理论融合时存在的冲突问题，引入静态权重系数实现同一监测项目多组监测数据的融合，引入动态权重系数实现不同证据间的融合，进而实现滑坡安全性的多指标综合评价。

有益效果：与现有技术相比，本发明具有以下优点：

(1)本发明通过云模型计算监测指标隶属度，对原始数据序列进行深入挖掘，克服了传统证据理论无法处理时间序列问题的痛点。

(2)本发明建立的监测指标体系全面考虑定量和定性两个方面，不仅应用到现场监测数据，还充分考虑滑坡变形破坏特征，做到了兼顾自动化监测与现场巡查定性评价，使监测指标体系趋于完善。

(3)本发明对不同的监测项目即不同的证据，采用动态权重系数的方法确定各证据的权重系数。对同一监测项目含有多组监测数据，采用静态权重系数方法确定多组数据间的权重系数。为保证权重的相对客观科学性，避免主客观单一赋权带来的不足，采用主观和客观赋权相结合的方法获得。

附图说明

图1为本发明基于多源信息融合的滑坡安全性不确定性评价方法流程图；

图2是本发明的实施例中的监测布设方案示意图；

图3是本发明的实施例中的滑坡安全性评价体系示意图。

具体实施方式

如图1所示，本发明基于多源信息融合的滑坡安全性不确定性评价方法包括以下步骤：

(1)选取滑坡安全性评价指标，并构建滑坡定性、定量多指标安全性评价指标体系，确定各评价指标安全等级划分。各评价指标相应标准值不固定，主要根据监测资料总结反馈、工程类比及专家建议得出，存在不确定性，因此采用云模型对安全等级区间进行处理，该处理过程具有降低不确定性的优势。

(2)利用正向云发生器计算云模型基本参数E

H

式中：

由各指标实测时间序列及上述指标分级区间云模型特征值计算第j个安全等级下第i个指标特征值的隶属度μ

式中，E'

(3)基于云模型得到的评价指标隶属度满足基本概率的定义，但

θ

m

m

(4)完成滑坡变形破坏特征定性指标转化为证据理论的基本概率；

(5)计算动态权重系数和静态权重系数，过程为：

对不同的监测项目即不同的证据，采用动态权重系数的方法确定各证据的权重系数，设共有n条证据，定义证据向量p

任意两向量p

某条证据m

对同一监测项目含有多组监测数据，采用静态权重系数方法确定多组数据间的权重系数。为保证权重的相对客观科学性，避免主客观单一赋权带来的不足，采用主观和客观赋权相结合的方法获得。

(6)根据动静态权重系数及基本概率得到证据，根据Dempster融合准则进行融合计算，得到最终各安全等级对应的基本概率，选择最大基本概率值对应的安全等级为安全评价融合决策结果。

融合计算的过程为：

设m

式中，ω

为验证本发明具有理论合理性和工程应用可行性，在实施例中，结合具体的工程建设，基于高坝大库库区滑坡开展了安全性评价方法验证及示范性应用。

如图2所示，为本发明在具体实施案例中，所依托的监测布设方案。依托工程的水电工程库坝区一巨型水动力型滑坡，若出现滑坡失稳，造成涌浪、堵江和水库淤积等链生灾害，威胁大坝施工期及运行期工程安全及环境安全。

监测布设方案：以表面位移为主，深层变形为辅，兼顾滑坡变形破坏特征调查。布置有1、2、3、4四个监测断面；表面位移监测布置有15个监测点，包含6个GPS测点TS1-1～TS3-2和9个机器人测点TP1-1～TP4-3；深部位移监测布置有3个测斜孔IN1-1、TN3-1、TN4-1，1套引张线式位移计ID2-1。

如图3所示，提供了本发明的滑坡评价指标体系中主要包含表面位移、深部位移、变形破坏特征三个一级指标及其对应的二、三级指标。将滑坡稳定性等级划分为极稳定，稳定，基本稳定，不稳定，极不稳定。基于滑坡原始监测数据与滑坡特性分析，从表面位移速率、深部位移速率两方面进行定量评价，给出评价指标对应的评价等级范围，见表3。

表3基于监测数据的滑坡稳定性分级

采用上面的计算公式对各指标在不同安全等级下的E

表4评价指标稳定性分级区间云模型特征值

对本实例滑坡进行安全性评价，根据2012～2021年监测数据，利用云模型对滑坡表面、深部位移监测点速率特征值的隶属度进行计算；再利用证据理论将各指标隶属度转化为基本概率，如表5所示。

表5评价指标基本概率

本实例滑坡变形破坏特征为：有TD1、TD2、TD3、TD4四条平硐，其中TD1、TD3平硐干燥无渗水，TD2、TD4平硐渗水量较大，塌顶现象；有4条季节性冲沟，冲沟侧面直立，有少量崩塌堆积；滑坡体后缘及前缘有多处拉裂缝，其中一条典型裂缝长度为41.6m，最大宽度为52cm。

针对本实例滑坡变形破坏评价指标特征，利用工程技术人员评语证据化理论，将技术人员给出的模糊语言映射至特征集上，通过模糊处理获得专家语言的量化证据值。计算得到的各评价指标隶属度，再将其转化为各指标基本概率，如表6所示。

表6滑坡变形破坏指标基本概率

对不同的监测项目即不同的证据，采用动态权重系数的方法确定各证据的权重系数。对同一监测项目含有多组监测数据，采用静态权重系数方法确定多组数据间的权重系数。

将表面位移D1、深部位移D2、平硐巡视D3、裂缝分布发育D4四个三级指标分别作为单独的证据体，引入静态权重系数，对各证据体下的四级指标进行两两融合，融合后的结果作为三级指标证据体的基本可信度分配。

将位移D1和巡视检查D2两个二级指标分别作为单独的证据体，引入动态权重系数，对证据体下的三级指标进行两两融合，融合后的结果为二级指标证据体的基本可信度分配。

将两个二级指标进行融合，得到滑坡安全性评价结果，见表7。

表7滑坡整体安全性评价融合决策结果

由表7可知，滑坡整体安全性融合结果最大基本概率m(III)＝0.8604，“基本稳定”概率更大，其安全等级判定为“基本稳定”。可见上述结论与实际情况相符。