Cloud model for stability evaluation of recently failed soil slopes based on weight inversion of influencing factors
-
摘要: 在强降雨等因素影响下,新近失稳土质边坡易再次发生滑动,并对现场救援人员的安全构成威胁。如何对该类边坡的稳定性进行快速、准确地评价,亟须解决。由于古滑坡的滑动面处土体的抗剪强度随着时间的推移有所提高,故无法直接套用古滑坡复活的评价方法。常用的极限平衡条分法或有限元等数值分析法又需要事先进行现场勘察,耗时较长影响救援进度。因云模型评价方法对评价因子的精度要求较低,可弥补上述方法的不足之处。但目前对云模型评价因子权重的研究,仍存在一些不足之处,故提出采用反分析法来计算各评价因子的权重。选取坡高等9个易于获取且是决定边坡稳定性的主要因素为评价因子,参照《地质灾害调查技术要求》和前人的研究成果对各评价因子的稳定分级区间进行划分,利用MATLAB程序语言平台生成相应的综合云模型。根据滑坡前各评价因子的数值反分析其权重的云模型特征参数,建立可方便快捷地对新近失稳边坡进行稳定性评价的云模型,使用Python 语言和Qt Designer工具进行应用程序的开发。使用该应用程序对福建省永春县冷水村一新近失稳边坡2016年11月3—8日的稳定性进行评价,得到的结果与现场情况基本吻合,初步验证了该方法准确性。该程序的运行过程耗时较短,也验证了该方法的快速性。Abstract: The stability of newly failed soil slopes, particularly under the influence of heavy rainfall, presents a significant threat to the safety of on-site rescue personnel. It is urgent to find a quick and accurate method for evaluating the stability of such slopes. The evaluation methods used for reactivating ancient landslides cannot be directly applied because the shear strength of the soil at the sliding surface of ancient landslides improves over time. Common numerical analysis methods such as limit equilibrium slice method or finite element method require time-consuming on-site surveys, which may affect the progress of rescue operations. The cloud model evaluation method is suitable for evaluating the stability of these slopes as it has lower accuracy requirements for evaluation factors, thus compensating for the limitations of the aforementioned methods. However, the current research on the weight of evaluation factors in cloud model evaluation still has some deficiencies. Therefore, a weight inversion method is proposed to calculate the weights of each evaluation factor. Nine primary influencing factors, including slope height, which are easily obtainable, were selected as evaluation factors. By referencing the "Technical Requirements for Geological Hazard Investigation" and previous research findings, grading intervals for each evaluation factor were determined. The corresponding comprehensive cloud model was generated using the MATLAB programming platform. According to the value of each evaluation factor before sliding, the cloud model’s characteristic parameters for weight inversion were obtained. And the cloud model for evaluating the stability of the newly failed slope was established. The Python language and the Qt Designer tool were used to develop the application of stability evaluation. The stability of a newly failed slope in Lengshui Village, Yongchun County, Fujian Province, during November 3-8 2016, was assessed using this application. The result align closely with the actual on-site conditions, validating the accuracy of the proposed evaluation method. The efficient runtime of the application further demonstrates its speed.
-
Keywords:
- inversion /
- newly failed slope /
- cloud model /
- stability evaluation /
- application
-
0. 引言
地面形变作为一种缓变性地质灾害,主要具有缓变性、滞后性、区域性、差异性、长期性以及不可逆等特点,始终威胁着城市安全及经济社会的可持续发展[1]。
传统的形变监测方法成本高、效率低、受天气影响,且需建立监测网,无法快速开展大面积监测[2]。合成孔径雷达干涉测量技术( Interferometric synthetic aperture radar,InSAR)凭借其全天侯、强穿透性、高精度获取连续覆盖地面高程和信息的突出优势,已在地表形变监测、滑坡监测、矿区沉降监测、危岩体监测等相关领域得到广泛应用[3-9]。在此基础上发展起来的永久散射体合成孔径雷达干涉测量技术(Permanent scatterers interferometric synthetic aperture radar,PS-InSAR)[10-11],有效消除了时空失相干引起的相位噪声,解决了大气效应难以消除的问题,适用于持续性、区域性地表微小形变监测[12],已经广泛应用在城市地面形变监测。
本研究采用PS-InSAR技术对深圳市南山区后海的片区进行了大范围、长时间的地面和建(构)筑物沉降监测,获得巨厚风化深槽地区地面及采用桩基础施工工艺的建构筑物沉降特征和规律,为深圳后海巨厚深槽地质灾害的排查、防治工作提供基础。
1. 研究区域与数据
1.1 研究区域
深圳市位于华南褶皱系中的紫金—惠阳凹褶断束的西南部、五华—深圳大断裂带南西段,高要—惠来东西向构造带中段的南缘地带。北东向莲花山断裂带与北西向珠江口大断裂带两条断裂在深圳南山后海片区交汇,对深圳、香港的地层稳定性均有影响[13]。
南山区是全国百强区,后海片区是总部大厦基地。该片区原为滨海滩涂,被第四系覆盖,填海造陆区未进行过详细的地质调查。在工程建设中发现其下断层发育,基岩埋深70~130 m,形成了巨厚的风化深槽,上面建筑采用超长桩基础[14]。
图1为本次研究区范围,为南山区南部东侧沿海区域。北至白石路,南至望海路,西至后海大道,东边沿沙河西路—望海路,面积约为11.0 km2。
1.2 数据源
采用2018年2月—2020年12月52期COSMO-SkyMed重复轨道SAR影像,InSAR数据的基本参数见表1。
表 1 In-SAR数据基本参数Table 1. Basic Parameters of In-SAR Data参数 数值 监测日期 卫星类型 COSMO-SkyMed 2018-02-04 、2018-03-08 、2018-03-24 、2018-04-09 、2018-05-11 成像模式 StripMap (条带成像)模式 2018-06-12 、2018-07-11 、2018-09-13 、2018-10-02 、2018-10-18 数据波段 X波段(3.1cm) 2018-11-03 、2018-11-19 、2018-12-01 、2019-01-06 、2019-01-22 空间分辨率/m 3 2019-02-07 、2019-02-19 、2019-03-11 、2019-03-27 、2019-04-12 升/降轨模式 降轨 2019-04-28 、2019-05-10 、2019-06-10 、2019-06-26 、2019-07-12 极化方式 HH极化 2019-07-28 、2019-08-14 、2019-08-29 、2019-10-09 、2019-10-25 中心入射角/(°) 32.55 2019-11-01 、2019-12-03 、2020-01-13 、2020-02-05 、2020-02-21 影像数量 52景 2020-03-24 、2020-04-09 、2020-04-25 、2020-05-11 、2020-05-27 数据级别 SLC数据(单视复) 2020-06-12 、2020-06-28 、2020-07-14 、2020-07-30 、2020-08-15 监测日期 2018-02-04—2020-12-21 2020-09-16 、2020-10-11 、2020-10-18 、2020-11-03 、2020-11-19 处理方法 PS-InSAR 2020-12-05 、2020-12-21 2. 基于PS-InSAR的结果分析
2.1 整体形变分析
本研究利用PS-InSAR技术,对2018年2月—2020年12月的影像数据进行计算,获得148151个有效PS点。
区域累计形变量为−79.1~37.5 mm,累计形变量−8~8 mm的PS点占总数的86%,累计形变量统计见图2。区域平均形变速率为−26.9~11.6 mm/a,形变速率在−3~3 mm/a的PS点占总数的91%,超过9 mm/a的PS点共1106个,占0.8%。
2.2 重点监测点形变分析
在研究区域深槽上方选取21处(点1—点21)地面以及构(建)筑物作为重点形变监测特征点进行形变分析,监测特征点位置分布见图3,监测特征点形变特点及曲线见表2。
表 2 监测特征点形变特点及曲线Table 2. Deformation characteristics and curves of feature points监测特征点
分类监测特征点位置 沉降形变特点 典型形变—日期序列曲线 已有高层建筑 点2舜远金融大厦
点3大成基金总部大厦
点5海信南方大厦
点6深圳湾一号
点7卓越维港名苑形变曲线总体均呈略有
起伏的变化趋势,
整体形变稳定
见右侧点7卓越维港名苑形变—日期曲线图在建项目 点1红土创新广场
点4恒裕深圳湾监测期间受施工影响,形变曲线不规律,或呈略有起伏上升趋势,或呈略有起伏下降趋势
见右侧点1红土创新广场形变—日期曲线图桥梁 点8滨海海滨立交桥
点17桥梁
点21桥梁形变曲线总体呈略有起伏的变化趋势,整体形变稳定
见右侧点17桥梁形
变—日期曲线图道路 点9海德三道
点10创业路
点11望海路
点12望海路
点20东滨路形变曲线总体呈略有起伏的变化趋势,整体形变稳定
见右侧点12望海路形
变—日期曲线图公园草地 点14绿化草地
点13、点16、点18、点19深圳湾公园草地
点15大运会纪念碑广场除了点18深圳湾公园草地形变曲线为均匀缓慢沉降趋势(见右侧点18形变—日期曲线图)外,其余形变曲线均为总体呈略有起伏的下降趋势,整体形变稳定 注:PS为监测特征点的控制点,VEL为高程。 综上,研究区域处于比较稳定或整体缓慢形变,存在一处集中形变区域,位置在深圳湾公园周边。
3. InSAR技术精度验证
InSAR技术可快速、精确地获得区域垂向形变场,其在城区可获得毫米级地表形变[15]。InSAR形变监测结果能提供时间序列形变量,统计影像获取期内任意两期影像间的形变量,可以充分保障外业水准资料和 InSAR数据获取形变量比对的时空一致性。
将研究区域InSAR形变监测结果与同一地区的蛇口文体中心基坑支护工程变形监测结果对比,结果见表3。
表 3 相同位置不同技术手段成果对比Table 3. Comparison of results of different technical means in the same position项目 蛇口文体中心基坑
支护形变监测项目后海断裂带项目 技术手段 S05级水准仪(134次) InSAR(52期) 对应位置 点7附近
(深圳市育才舒曼艺术学校体育场)点7
(卓越维港名苑)监测时间 2019年2月—2020年4月 累计形变/mm −1.9 −1.6 根据《工程测量标准》(GB50026—2020)[16],对同一目标点采用两种不同的监测手段,相同的监测时段内二者的实际误差为±0.3 mm,小于观测中误差±0.71 mm和最大观测误差±1.41 mm,监测精度满足规范要求。
由此可见,InSAR技术可获取大面积、全天候、高精度和高分辨率的地表三维空间微小变化,在地表形变监测方面显示出传统监测不具备的优越性。
4. 形变原因分析
监测期间,深圳湾公园及周边区域累计形变量较大,因此在该区域选取了5个点(A1—A5)的勘察资料进行分析,位置分布见图4。
4.1 A2中建钢构大厦北侧
中建钢构大厦北侧草地累计形变量为-62.1 mm,平均形变速率为20.4 mm/a,形变—日期曲线见图5。
该大厦勘察资料表明,场地内人工填土(
${\rm{Q}}^{ml} $ )成分主要为翻填淤泥,多呈流—软塑状态,组分不均,堆填时间较短,属软弱土层;第四系全新统海相沉积层(${\rm{Qh}}^m$ )淤泥以及第四系上更新统沼泽相沉积层(${\rm{Qp}}^h$ )淤泥均呈流塑状态,含水量大,孔隙比大,具高压缩性、低强度等特征,属软弱土层,最厚达15 m。场地受断裂构造影响,场地内基岩大部分蚀变严重,局部碎裂岩化特征明显,绿泥石化现象显著。各风化基岩起伏变化较大,块状强风化蚀变粗粒花岗岩顶板标高−41.44~−18.49 m,变化幅度达22.95 m;中风化蚀变粗粒花岗岩顶板标高−48.14~−22.84 m,变化幅度达25.30 m。大厦桩基础采用了旋挖桩,平均桩长30.2m,最深50.6m,观测期间大厦整体形变稳定。而大厦北侧场地有均匀沉降趋势,沉降主要由填土及淤泥引起。
4.2 点A1、A3、A4、A5深圳湾公园内草地
该4点累计形变量为40.9~59.6 mm,平均形变速率为15.29~19.76 mm/a,总体呈均匀沉降趋势。以A5深圳湾人才公园为例,形变—日期曲线见图6。
根据A5深圳湾人才公园勘察资料,钻探深度范围内揭露的地层岩性特征自上而下见表4。
表 4 地层岩性特征Table 4. Formation lithologic characteristics地层岩性 地层岩性特征 第四系人工
填土层液性指数 压缩指数
/MPa−1压缩模量
/MPa0.45 0.5 4.0 主要为素填土,层厚1.2~26.9 m,呈松散~稍密状,物理力学性质不均匀,工程性质较差,承载力较低,在上部较大荷载长期作用下易产生沉降及不均匀沉降 第四系海积
冲积层液性指数 压缩指数
/MPa−1压缩模量
/MPa1.36 1.28 2.0 主要为淤泥软土层,层厚0.3~17.0 m,呈流塑状,含较多腐殖质、贝壳碎屑,承载力极低,灵敏度高 第四系残积层及燕山四期侵入花岗岩 残积的砾质黏性土和全风化花岗岩、强风化花岗岩,粉粒含量高,受水浸湿或浸泡后,易软化变形,强度、承载力骤减 该区域填土层及淤泥质软土层厚,工程性质差,承载力低,易产生不均匀沉降。该区域草地沉降主要由填土及软土沉降引起。
5. 结论
(1)本研究基于长时间序列雷达数据,采用PS-InSAR技术对深圳后海片区进行了高精度连续形变监测与分析。通过与传统监测技术对比,监测精度满足规范要求。PS-InSAR新技术能实现大范围、低成本、高精度、高效率的变形监测需求,体现出传统监测不具备的优越性。
(2)对监测结果进行统计分析,南山后海片区深槽上建(构)筑物的沉降相对稳定,沉降量较大的区域为深圳湾公园草地及其周边区域。研究表明,该区域沉降原因为软土沉降。目前在片区深厚深槽上已有的建筑物桩基础是安全的。
(3)深圳湾公园草地均处于缓慢持续沉降状态,后续需重点关注。
(4)该片区巨厚深槽上在建的红土广场、华润深圳湾住宅等建筑。工程桩超长,建筑物的后期沉降值得持续关注。
(5)深槽区域的浅埋地下燃气、排污管网等管线的变形,本次研究未作深入,此类隐患的影响较大,值得深入关注。
1 笔者开发的应用程序可在百度网盘处下载:https://pan.baidu.com/s/1JZv21_179xXxhf3cKd4j_Q?pwd=8888。提取码:8888 -
表 1 边坡稳定性评价因子各等级区间
Table 1 Grade intervals of slope stability evaluation factors
评价
因子分级区间 不稳定 欠稳定 基本稳定 稳定 H/m [50, 70) [30, 50) [10, 30) [0, 10) β/(°) [50, 90) [35, 50) [20, 35) [0, 20) c/kPa [0, 23.5) [23.5, 47) [47, 70.5) [70.5, 94) φ/(°) [15, 21.75) [21.75, 28.5) [28.5, 32.25) [32.25, 42) γsat/
(kN·m−3)[23.5, 21.5) [21.5, 19.5) [19.5, 17.5) [17.5, 15.5) P/mm [50, 100) [25, 50) [10, 25) [0, 10) T/h [18, 24) [12, 18) [6, 12) [0, 6) I/
(mm·d−1)[50, 100) [25, 50) [10, 25) [0, 10) η [0, 0.25) [0.25, 0.5) [0.5, 0.75) [0.75, 1] 表 2 各评价因子的权重云模型特征参数
Table 2 Characteristic parameters of weight cloud model for each evaluation factors
评价因子 期望 熵 评价因子 期望 熵 H/m 0.160 0.010 P/mm 0.134 0.027 β/(°) 0.080 0.000 T/h 0.134 0.046 c/kPa 0.103 0.027 I/(mm·d−1) 0.131 0.046 φ/(°) 0.103 0.027 η 0.040 0.000 γsat/(kN·m-3) 0.115 0.027 表 3 2016年11月3—8日的降雨情况
Table 3 Rainfall distribution from November 3 to 8, 2016
日期 降雨量/mm 降雨历时/h 降雨强度/(mm·d−1) 前期降雨量/mm 11月3日 0 0 0 10.5 11月4日 29.6 12 59.2 8.4 11月5日 62.5 24 62.5 30.4 11月6日 20.8 24 20.8 74.3 11月7日 13.2 12 26.4 76.1 11月8日 0 0 0 71.4 表 4 2016年11月3—8日的边坡稳定性评价结果
Table 4 Stability evaluation results of landslide body from November 3 to 8, 2016
日期 不稳定 欠稳定 基本稳定 稳定 评价结果 隶属度区间 平均
隶属度隶属度区间 平均
隶属度隶属度区间 平均
隶属度隶属度区间 平均
隶属度11月3日 [0.036,0.112] 0.074 [0.113,0.124] 0.119 [0.043,0.103] 0.073 [0.168,0.661] 0.415 稳定 11月4日 [0.049,0208] 0.129 [0.132,0.247] 0.190 [0.049,0.144] 0.097 [0.126,0.401] 0.264 稳定 11月5日 [0.083,0.392] 0.238 [0.132,0.261] 0.197 [0.044,0.087] 0.066 [0.099,0.26] 0.180 不稳定 11月6日 [0.093,0.427] 0.260 [0.11,0.135] 0.123 [0.059,0.19] 0.125 [0.092,0.247] 0.170 不稳定 11月7日 [0.068,0.288] 0.178 [0.13,0.248] 0.189 [0.056,0.2] 0.128 [0.099,0.265] 0.182 欠稳定 11月8日 [0.062,0.263] 0.163 [0.109,0.127] 0.118 [0.035,0.049] 0.042 [0.149,0.562] 0.356 稳定 -
[1] PARK J,VILAYVONG K,SON Y,et al. Slope stability evaluation of an agricultural embankment by statistically derived rainfall patterns[J]. Paddy and Water Environment,2019,17(3):303 − 313. DOI: 10.1007/s10333-019-00725-2
[2] 邓夕胜,张元,唐煜. 基于失效概率的边坡降雨阈值曲面探讨[J]. 中国地质灾害与防治学报,2021,32(3):70 − 75. [DENG Xisheng,ZHANG Yuan,TANG Yu. Investigation on slope rainfall threshold surface based on failure probablolity[J]. The Chinese Journal of Geological Hazard and Control,2021,32(3):70 − 75. (in Chinese with English abstract) DENG Xisheng, ZHANG Yuan, TANG Yu. Investigation on slope rainfall threshold surface based on failure probablolity[J]. The Chinese Journal of Geological Hazard and Control, 2021, 32(3)70-75(in Chinese with English abstract)
[3] 黄明奎,马璐. 极端降雨对边坡土体强度的影响及其稳定性分析[J]. 灾害学,2021,36(3):6 − 9. [HUANG Mingkui,MA Lu. Stability and soil strength analysis of alope under extreme rainfall[J]. Journal of Catastrophology,2021,36(3):6 − 9. (in Chinese with English abstract) HUANG Mingkui, MA Lu. Stability and soil strength analysis of alope under extreme rainfall[J]. Journal of Catastrophology, 2021, 36(3)6-9(in Chinese with English abstract)
[4] SAITO M,MASUDA R. Numerical study on seepage flow in slope at heavy rain considering non-uniformity and pore air flow[J]. Journal of Japan Society of Civil Engineers,Ser B1 (Hydraulic Engineering),2018,74(4):I_7 − I_12. DOI: 10.2208/jscejhe.74.I_7
[5] 简文彬,黄聪惠,罗阳华,等. 降雨入渗下非饱和坡残积土湿润锋运移试验研究[J]. 岩土力学,2020,41(4):1123 − 1133. [JIAN Wenbin,HUANG Conghui,LUO Yanghua,et al. Experimental study on wetting front migration induced by rainfall infiltration in unsaturated eluvial and residual soil[J]. Rock and Soil Mechanics,2020,41(4):1123 − 1133. (in Chinese with English abstract) JIAN Wenbin, HUANG Conghui, LUO Yanghua, et al. Experimental study on wetting front migration induced by rainfall infiltration in unsaturated eluvial and residual soil[J]. Rock and Soil Mechanics, 2020, 41(4): 1123-1133. (in Chinese with English abstract)
[6] 苏永华,李诚诚. 强降雨下基于Green-Ampt模型的边坡稳定性分析[J]. 岩土力学,2020,41(2):389 − 398. [SU Yonghua,LI Chengcheng. Stability analysis of slope based on Green-Ampt model under heavy rainfall[J]. Rock and Soil Mechanics,2020,41(2):389 − 398. (in Chinese with English abstract) SU Yonghua, LI Chengcheng. Stability analysis of slope based on Green-Ampt model under heavy rainfall[J]. Rock and Soil Mechanics, 2020, 41(2): 389-398. (in Chinese with English abstract)
[7] NOTTI D,WRZESNIAK A,DEMATTEIS N,et al. A multidisciplinary investigation of deep-seated landslide reactivation triggered by an extreme rainfall event:a case study of the Monesi di Mendatica landslide,Ligurian Alps[J]. Landslides,2021,18(7):2341 − 2365. DOI: 10.1007/s10346-021-01651-3
[8] 窦晓东,张泽林. 甘肃舟曲垭豁口滑坡复活机理及成因探讨[J]. 中国地质灾害与防治学报,2021,32(2):51. [DOU Xiaodong,ZHANG Zelin. Mechanism and causal analysis on the Yahuokou landslide reactivation and causes(Zhouqu County,Gansu,China)[J]. The Chinese Journal of Geological Hazard and Control,2021,32(2):51. (in Chinese with English abstract) DOU Xiaodong, ZHANG Zelin. Mechanism and causal analysis on the Yahuokou landslide reactivation and causes(Zhouqu County, Gansu, China)[J]. The Chinese Journal of Geological Hazard and Control, 2021, 32(2): 51. (in Chinese with English abstract)
[9] 张永双,吴瑞安,任三绍. 降雨优势入渗通道对古滑坡复活的影响[J]. 岩石力学与工程学报,2021,40(4):777 − 789. [ZHANG Yongshuang,WU Ruian,REN Sanshao. Influence of rainfall preponderance infiltration path on reactivation of ancient landslides[J]. Chinese Journal of Rock Mechanics and Engineering,2021,40(4):777 − 789. (in Chinese with English abstract) Zhang Yongshuang, Wu Ruian, Ren Sanshao. Influence of rainfall preponderance infiltration path on reactivation of ancient landslides[J]. Chinese Journal of Rock Mechanics and Engineering, 2021, 40(4): 777-789. (in Chinese with English abstract)
[10] 李德毅,孟海军,史雪梅. 隶属云和隶属云发生器[J]. 计算机研究与发展,1995,32(6):15 − 20. [LI Deyi,MENG Haijun,SHI Xuemei. Membership clouds and membership cloud generators[J]. Journal of Computer Research and Development,1995,32(6):15 − 20. (in Chinese with English abstract) LI Deyi, MENG Haijun, SHI Xuemei. Membership clouds and membership cloud generators[J]. Journal of Computer Research and Development, 1995, 32(6): 15-20. (in Chinese with English abstract)
[11] 李健,汪明武,徐鹏,等. 基于云模型的围岩稳定性分类[J]. 岩土工程学报,2014,36(1):83 − 87. [LI Jian,WANG Mingwu,XU Peng,et al. Classification of stability of surrounding rock using cloud model[J]. Chinese Journal of Geotechnical Engineering,2014,36(1):83 − 87. (in Chinese with English abstract) Li Jian, Wang Mingwu, Xu Peng, et al. Classification of stability of surrounding rock using cloud model[J]. Chinese Journal of Geotechnical Engineering, 2014, 36(1)83-87(in Chinese with English abstract)
[12] WANG Mingwu,WANG Xiao,LIU Qiuyan,et al. A novel multi-dimensional cloud model coupled with connection numbers theory for evaluation of slope stability[J]. Applied Mathematical Modelling,2020,77:426 − 438. DOI: 10.1016/j.apm.2019.07.043
[13] LIU Zaobao,SHAO Jianfu,XU Weiya,et al. Comprehensive stability evaluation of rock slope using the cloud model-based approach[J]. Rock Mechanics and Rock Engineering,2014,47(6):2239 − 2252. DOI: 10.1007/s00603-013-0507-3
[14] 方前程,商丽. 基于博弈论-云模型的露天矿岩质边坡稳定性分析[J]. 安全与环境学报,2019,19(1):8 − 13. [FANG Qiancheng,SHANG Li. Analysis of the rock slope stability for the open-pit mine based on the game theory and the cloud model[J]. Journal of Safety and Environment,2019,19(1):8 − 13. (in Chinese with English abstract) FANG Qiancheng, SHANG Li. Analysis of the rock slope stability for the open-pit mine based on the game theory and the cloud model[J]. Journal of Safety and Environment, 2019, 19(1): 8-13. (in Chinese with English abstract)
[15] 吴孟龙,叶义成,胡南燕,等. RAGA-PPC云模型在边坡稳定性评价中的应用[J]. 中国安全科学学报,2019,29(9):57 − 63. [WU Menglong,YE Yicheng,HU Nanyan,et al. Application of RAGA-PPC cloud model in slope stability evaluation[J]. China Safety Science Journal,2019,29(9):57 − 63. (in Chinese with English abstract) WU Menglong, YE Yicheng, HU Nanyan, et al. Application of RAGA-PPC cloud model in slope stability evaluation[J]. China Safety Science Journal, 2019, 29(9): 57-63. (in Chinese with English abstract)
[16] 陈忠源,戴自航. 水库边坡稳定性评价的改进云模型[J]. 工程地质学报,2020,28(3):619 − 625. [CHEN Zhongyuan,DAI Zihang. Improved cloud model for stability evaluation of reser-voir slopes[J]. Journal of Engineering Geology,2020,28(3):619 − 625. (in Chinese with English abstract) CHEN Zhongyuan, DAI Zihang. Improved cloud model for stability evaluation of reser-voir slopes[J]. Journal of Engineering Geology, 2020, 28(3)619-625(in Chinese with English abstract)
[17] 陈忠源,戴自航. 基于指标变权重复合云模型的岩质边坡稳定性评价初探[J]. 中国地质灾害与防治学报,2021,32(6):9 − 17. [CHEN Zhongyuan,DAI Zihang. A preliminary study on evaluation of rock slope stability based on index variable weight compound cloud model[J]. The Chinese Journal of Geological Hazard and Control,2021,32(6):9 − 17. (in Chinese with English abstract) CHEN Zhongyuan, DAI Zihang. A preliminary study on evaluation of rock slope stability based on index variable weight compound cloud model[J]. The Chinese Journal of Geological Hazard and Control, 2021, 32(6)9-17(in Chinese with English abstract)
[18] 李江龙,樊燕燕. 基于压力-状态-响应模型框架的城市地震综合易损性评价[J]. 中国地质灾害与防治学报,2021,32(2):117 − 125. [LI Jianglong,FAN Yanyan. Comprehensive evaluation of urban earthquake vulnerability under the framework of PSR[J]. The Chinese Journal of Geological Hazard and Control,2021,32(2):117 − 125. (in Chinese with English abstract) LI Jianglong, FAN Yanyan. Comprehensive evaluation of urban earthquake vulnerability under the framework of PSR[J]. The Chinese Journal of Geological Hazard and Control, 2021, 32(2): 117-125. (in Chinese with English abstract)
[19] 何乐平,罗舒月,胡启军,等. 基于理想点-可拓云模型的隧道围岩稳定性评价[J]. 中国地质灾害与防治学报,2021,32(2):126 − 134. [HE Leping,LUO Shuyue,HU Qijun,et al. Stability evaluation of tunnel surrounding rock based on ideal point-extension cloud model[J]. The Chinese Journal of Geological Hazard and Control,2021,32(2):126 − 134. (in Chinese with English abstract) HE Leping, LUO Shuyue, HU Qijun, et al. Stability evaluation of tunnel surrounding rock based on ideal point-extension cloud model[J]. The Chinese Journal of Geological Hazard and Control, 2021, 32(2)126-134(in Chinese with English abstract)
[20] 中华人民共和国住房和城乡建设部. 建筑边坡工程技术规范: GB 50330—2013[S]. 北京: 中国建筑工业出版社, 2014 Ministry of Housing and Urban-Rural Development of the People’s Republic of China. Technical code for building slope engineering: GB 50330—2013[S]. Beijing: China Architecture & Building Press, 2014. (in Chinese)
[21] 自然资源部中国地质调查局. DD 2019-08. 地质灾害调查技术要求[S]. 2019 China Geological Survey Bureau, Ministry of Natural Resources. DD 2019-08. Technical Requirements for Geological Hazard Investigation [S]. 2019. (in Chinese)
[22] BRUCE J P, CLARK R H. Introduction to hydrometeorology [M]. London: Pergamon Press, 1969.
[23] 《工程地质手册》编委会. 工程地质手册[M]. 北京: 中国建筑工业出版社, 2018 Editorial Board of Handbook of Engineering Geology. Handbook of engineering geology[M]. Beijing: China Construction Industry Press, 2018. (in Chinese)
[24] 王国胤, 李德毅, 姚一豫, 等. 云模型与粒计算[M]. 北京: 科学出版社, 2012 WANG Guoyin, LI Deyi, YAO Yiyu, et al. Cloud model and granular computing [M]. Beijing: Science Press, 2012. (in Chinese)
[25] 唐宏阳. 缓倾斜土质斜坡失稳机理及碎石盲沟治理方法研究[D]. 绵阳: 西南科技大学 TANG Hongyang. Study on instability mechanism of gently inclined soil slope and treatment method of gravel blind ditch[D]. Mianyang: Southwest University of Science and Technology. (in Chinese with English abstract)
[26] 任三绍,张永双,徐能雄,等. 含砾滑带土复活启动强度研究[J]. 岩土力学,2021,42(3):863 − 873. [REN Sanshao,ZHANG Yongshuang,XU Nengxiong,et al. Mobilized strength of sliding zone soils with gravels in reactivated landslides[J]. Rock and Soil Mechanics,2021,42(3):863 − 873. (in Chinese with English abstract) REN Sanshao, ZHANG Yongshuang, XU Nengxiong, et al. Mobilized strength of sliding zone soils with gravels in reactivated landslides[J]. Rock and Soil Mechanics, 2021, 42(3): 863-873. (in Chinese with English abstract)
-
期刊类型引用(3)
1. 耿昊,樊新杰,赵宇,王开华,祁凯宁,唐彦超. 基于SBAS技术的露天煤矿地表沉降监测与分析. 建井技术. 2024(02): 34-41 . 百度学术
2. 黄宝华,周利霞,孔祥侨. 基于PS-InSAR的建筑及道路动态沉降安全监测. 山东交通学院学报. 2024(02): 53-59 . 百度学术
3. 何清,魏路,肖永红. 基于SBAS-InSAR技术的安徽亳州市地面沉降时空分布特征与影响因素分析. 中国地质灾害与防治学报. 2023(05): 81-90 . 本站查看
其他类型引用(2)