Page 95 - 2023年第54卷第4期

将预测趋势项和周期项叠加即可得到预测综合变形时间序列，并将其与当前综合变形时间序列组
合形成一个完整的时间序列曲线，如图 １４所示。可知，预测段的变化趋势趋于平缓，当前时刻点处
于稳定变形阶段，因此，可认为该滑坡体在当前时刻为Ⅰ级预警。

图 １４ 当前＋ 预测综合变形时间序列

４ 结论

针对降雨诱发阶跃型滑坡的变形特征，构建了一种基于多源监测数据的 “融合 － 预测 － 预警” 的
框架，所提方法的目的是避免对位移监测点选择的任意性，从而实现对滑坡监测信息的充分挖掘和最
大化利用。主要结论如下。（ １） “融合－ 预测－ 预警” 框架主要包含三部分内容：①将多个监测点位移
时间序列分别分解为趋势项和周期项，将所有的趋势项和周期项分别进行加权计算得到融合趋势项和
融合周期项，再将两者相加得到最终的当前综合变形时间序列；②将融合趋势项和融合周期项分别进
行预测得到预测趋势项和预测周期项，将两者叠加得到预测综合变形时间序列；③将当前综合变形时
间序列和预测综合变形时间序列合并成一个完整时间序列，根据当前时刻点的综合变形速率及其整个
时间序列中所处的阶段，综合判断滑坡体当前的监测预警等级。（ ２）采用熵权值法对趋势项进行融合，
采用关联度权值法对周期项进行融合。在对周期项融合时，考虑了降雨对融合结果的影响，同时，定
义了 “有效降雨周期” 和 “有效计算降雨量” 的概念，通过关联度分析法找出与周期项位移关联性
最大的 “有效计算降雨量”，即可得到对滑坡体影响最大的降雨时间间隔。（ ３）提出了滑动多项式拟
合法对融合趋势项进行预测，同时，采用随机森林模型对融合周期项进行预测。在预测融合周期项
时，将有效计算降雨量、融合趋势项变化速率、融合趋势项累积增量作为输入决策属性。（ ４）提出了
斜率变点分析方法搜索综合变形时间序列的 “稳定点” 和 “跃迁点”，进而对综合变形时间序列进行
分段，在此基础上提出了四级递进监测预警模型。（５）以向家坝水库某滑坡体为例，采用本文所提方
法对该滑坡体 ３个自动化位移监测点进行 “融合－ 预测－ 预警”，结果表明：①单个监测点位移时间序
列不足以反映滑坡体整体变形特征，综合变形时间序列融合了多个监测点的数据，可以整体反映滑坡
２
体的变形演化规律；②滑动多项式方法预测融合趋势项的 ＲＭＳＥ和 Ｒ的值分别是 ６．１７和 ０．７８，随机森
２
林模型预测融合周期项的 ＲＭＳＥ和 Ｒ的值分别是 １．４４和 ０．８６，从而说明了预测结果的可靠性；③该滑
坡体当前时刻点处于稳定变形阶段，可认其为Ⅰ级预警。
从本文方法的 “融合－ 预测－ 预警” 过程来看，该方法将坡体表面多处变形监测点的数据进行合
理融合得到综合监测信息，反映的是坡体整体变形趋势。由此表明，该方法可应用于蠕变型滑坡整体
变形预测和预警，不适用于坡体局部失稳的监测预警。在数据融合分析的过程中，需要对监测曲线的
变化趋势进行判断，将同一坡体分区范围内变形趋势一致的监测点进行多源数据融合处理。从滑坡失
稳模式来看，推挤式滑坡的前缘和后缘变形趋势整体一致性较好，倾向于表现出整体滑移失稳，而牵

— ４ ７ １ —