贵州潜在倾倒式崩塌的识别指标_胡玉凤.pdf

第43卷第3期 2015年6月 煤田地质与勘探 COAL GEOLOGY 2.贵州省地质环境监测院，贵州贵阳550004 摘要针对贵州省倾倒式崩塌的特点，选取对灾害发生具有控制性或影响较大的且易于在野外禾 集的因子（坡度、岩体结构、凹腔状态、主控结构面倾角、卸荷松弛、后缘裂缝贯通程度和基座软 硬程度）作为识别指标．基于岩石工程系统RES方法，通过人工神经网络BP模型构建指标相王作 用关系矩阵，研究指标间相互作用对潜在崩塌稳定性的影响，确定评价指标的权重，并就评价指 标对整体稳定性的重要程度进行排序，旨在为潜在崩塌的野外简易识别奠定基础。研究发现，岩 体结构、后缘裂缝贯通程度对潜在倾倒式崩塌的影响很强． 关键词潜在崩塌；倾倒式；识别指标；RES理论；贵州 申图分类号P642.21文献标识码ADOI 10.3969/j.issn.1001-1986.2015.03.016 Research on identification inds of potential dumping collapse in Guizhou HU Yufeng1, CHEN Jun1, ZHAO Guoxuan2 1. College of Resour℃es and Environmental Engineering, Guizhou Univers1纱，Guiyang550025, China; 2. Guizhou Provincial Geological Environmental Monitoring Center, Guiyang 550004, China Abstract Aiming at the characteristics of dumping collapse in Guizhou Province, factors slope, rock structure, the cavity state, dip of the master structural plane, unloading and relaxation, the cutthrough extent of cracks at the trailing edge, degree of softness and hardness of the base which control, influence the occurence of disaster and are easy to collect at field were selected as inds. In order to lay the foundation for easy field identification of the potential collapse, based on RES rock engineering systems theories, through using the BP artificial neural network model to the intereactive relationship matrix of the inds, the paper studied the influence of the intereaction of inds on the stability of the potential collapse, determined the weight of uation inds, and the importance of the uation inds in the overall stability was sorted. The study found that rock structure, the cutthrough ex- tent of cracks at the trailing edge have strong influence on the potential dumping collapse. Key words potential collapse; dumping; identification inds; RES theory; Guizhou 据地质灾害调查资料分析研究，贵州全境均属 地质灾害易发区，每年由于地质灾害发生造成的经 济损失十分严重。根据贵州省地质环境监测院提供 的一组地质灾害调查区划数据，滑坡占67，崩塌 占17，泥石流占5，其他占11。崩塌数量居 全省地质灾害第二位，其严重威胁人民生命财产安 全，成为阻碍贵州发展的一个重要影响因素。 目前我国地质灾害面临的主要问题是“灾后”研 究普遍，“灾前”早期辨识能力差。由于潜在崩塌具 有隐蔽性、随机性、突发性的特点，对其进行灾前 预报和防治的难度较大。同时，潜在地质灾害的数 收稿日期2014-02-15 基金项目贵州大学研究生创新基金项目（研理工2013060 量远远超过已发生的地质灾害的数量，一般是后者 的2-3倍［I）。故建立以崩塌机理为研究基础，以潜 在崩塌为研究对象且在野外易于识别的潜在崩塌识 别指标体系非常必要。 1 研究区概况 贵州省地处云贵高原向东部平原过渡的斜坡地 带，山高坡陡，地形切割强烈（2）。复杂的地质条件， 使贵州地质灾害频发。据统计，在贵州省2010-2011 年崩塌地质灾害隐患点详查中，倾倒式崩塌数量最 多，占28.55，其次是拉裂式崩塌，占24.85。 作者简介胡玉凤（1988一），女，贵州遵义人，硕士研究生，从事岩土体工程性质及其应用的研究 E-mail 815821814 引用格式胡玉凤，陈绪，赵国宣．贵州潜在倾倒式崩塌的识别指标［J］.煤田地质与勘探，2015,433 81-85. ChaoXing 82 煤田地质与勘探第43卷 根据对贵州省倾倒式崩塌野外调查及综合分析，省 内倾倒式崩塌具有如下特点多发育于碳酸盐地层 中，以二叠系和三叠系出露最广；崩塌发育地层岩‘ 性有硬质岩类型和上硬下软型，区内以上硬下软型 为主；受构造影响，节理裂隙十分发育，岩体完整 性较差；崩塌发育坡高多在50m左右，坡度多集中 在50。～75。；人类工程活动较强，对岩体扰动较大， 卸荷作用强烈。 2 潜在崩塌的认识 众多专家学者都对危岩体和崩塌作了定义。总 体概括为发育在陡峭边坡上，被多组结构面切割， 边界基本明显，临空条件较好，在重力、风化营力、 地震或工程活动等作用下与母岩逐渐分离，从而处 于不稳定、欠稳定或极限平衡状态的岩体（块）。危 岩体失稳破坏过程称为崩塌。崩塌、落石是危岩 （土）体失稳后的一个动态过程，是斜坡破坏的一种 方式；危岩体是崩塌或落石的准备岩体，是一个静 态事物［3］。 危岩体失稳破坏形成崩塌不同于滑坡的累进式 破坏，它是一个突变的过程。笔者认为，无法把潜 在崩塌界定在危岩体变形破坏的某一具体阶段，只 能概括地将其认为是不稳定的危岩体。潜在崩塌的 识别即识别出处于不稳定状态的危岩体。 3 指标确定 尽管前人也有对危岩体稳定性评价指标体系的 研究［4句，但都是笼统而非针对性的筛选评价指标。 对于潜在崩塌发生的机理不同，其识别指标及其权 重也不尽相同。 倾倒式崩塌［6］指的是危岩体后部存在于边坡坡 向一致的陡倾角贯通或断续贯通的破坏面，危岩体 底部局部临空，危岩体多数情况下出现临空支点外 侧，可能沿着支点向临空方向倾倒破坏。其特点是 危岩体失稳时，岩体因重心外移以坡脚某一点为支 点发生转动性倾倒。影响崩塌形成的因素有地质结 构（地层岩性、坡体结构、主控结构面等）、地形地 貌（地形坡度、临空条件等）和其他因素（地表水、地 下水、地震、人为活动等pi。本文针对贵州省潜在 倾倒式崩塌的特点，着重强调在普遍适应性的框架 之下充分考虑评价研究区域的具体情况［町，选取影 响因素中突出敏感并易于现场采集的因素作为识别 指标，分别为斜坡坡度（Hl）、岩体结构（H2）、凹 腔状态（H3）、主控结构面倾角（H4）、卸荷松弛（H5） 、 后缘裂缝贯通程度（H6）和基座软硬程度（H7）。 3.1 斜坡坡度 坡度是危岩体形成并造成崩塌的必要条件。通 过对贵州省倾倒式崩塌的分布与斜坡坡度的关系进 行统计分析，将坡度分为4个等级（运25。、25。～50。、 50。～75和75。），发现91.1的危岩体发育在坡度 大于50。的陡坡地带。 3.2 岩体结构 危岩体的稳定性与岩体结构关系密切，岩体完整 性越差，其岩体内部的联接就越弱，就越不利于危岩 体的稳定。根据本研究区倾倒式崩塌具体发育特点， 结合GB50218一1994工程岩体分级标准规范，将 岩体结构分为整体、次块状、块状和碎裂结构。 3.3 凹腔状态 研究区岩体多为上硬下软形，底部因差异风化 使软岩内缩形成凹腔，造成上部岩体悬空，形成悬 挑状危岩。随着风化的进行，凹岩腔规模越来越大， 直至下部岩层强度无法支撑上部岩体荷重而发生崩 塌。因此，凹腔状况也作为潜在崩塌识别的一项重要 指标，并将凹腔状况分为浅、中等、较深和深4级。 3.4 主控结构面倾角 危岩可靠性受危岩主控结构面倾角的影响显 著，可靠指标随着危岩主控结构面倾角的增加而降 低［坷，即倾角越大越不利于危岩体的稳定。区内倾 倒式崩塌的主控结构面倾角多大于50。，且陡倾坡 外。按照倾倒式崩塌发育与主控结构面的关系，将 主控结构面倾角分为运25。、25。～50。、50。～75。和 75。四级。 3.5 卸荷松抱 卸荷松弛状态一定程度上影响到岩体完整性， 进而影响到崩塌的形成，是潜在崩塌识别的又一个 重要指标。在岩质边坡中，卸荷会引起附近岩体内 部应力重分布与调整，形成新的次生破裂面，即卸 荷裂隙，破坏岩体的完整性，可能形成新的危岩体， 甚至加速崩塌的形成。卸荷松弛状态越严重，其周 边的岩体越破碎，越不利于危岩体的稳定，故将卸荷 松弛状态分为微弱、弱、较强、强4级。实际资料表 明，大多数危岩体的控制性结构面为卸荷裂隙。 3.6 后缘裂缝贯通程度 后缘裂缝贯通程度对危岩体的稳定具有明显的 控制作用，受边坡临空条件的影响，岩质边坡容易 形成陡倾破坏的卸荷裂隙，为岩体失稳提供后缘边 界。当危岩体后缘裂隙贯通程度60时，危岩体 产生倾倒失稳的可能性较大［10］。将后缘裂缝贯通程 度按0～10、10～40、40～60和60对应4 个等级。 ChaoXing 第3期胡玉凤等贵州潜在倾倒式崩塌的识别指标 83 3.7 基座软硬程度 危岩体伏于基座上，基座的软硬程度对危岩体 的稳定性也有重要的影响。基座越软，越容易变形， 危岩体与母岩分离形成倾倒式崩塌的可能性就越 大。如上硬下软型地层，由于、软硬岩的风化差异性， 在硬质岩下部形成凹岩腔，使危岩体重心前移，容 易形成倾倒式崩塌。根据岩石软硬性将基座软硬程 度分为硬、中硬、软和极软岩。 4 指标研究 建立识别指标体系关键在于对指标间的相五作 用关系进行分析，以便得出正确的指标权重。目前 国内外主要依赖于地质基础资料调查及遥感影像分 析来获取指标。由于岩土体是一个各因素相互作用、 相互搞合的系统，很难用传统的方法对指标间关系 进行分析，岩石工程系统理论体系（RockEngineering system，简称RESf1J恰好能有效地解决此问题。 4.1 RES E里i仓 影响地质灾害发生演化的各种因素间的相互影 响是动态过程，每个影响因子的状态和变化趋势都 随时改变。阻S理论是借助于交五作用矩阵的编码 来研究岩石工程系统中各状态变量及其交互作用， 定量评价各指标间交互作用的强度和优势，得出指 标间相互作用关系和指标权重，将岩石工程系统的 非线性和动态性充分地表现出来。此外，由于采用 人工神经网络中BP算法，利用MATLAB软件在计 算机上实现RSE矩阵的建立，最大限度地减少了人 工干预，可避免受专家经验影响或牵强满足精确的 线性函数等带来的误差。杨英杰等［12］提出神经网络 某输入i对某输出k的整体相对作用GRSE的计算 式可以写为 GRSEkiCiwiiwJk 1 式中C是使同一输出的GRSE的最大值为l的规范 化系数 根据马东霞［13］等提出的基于RES理论考虑多 因素交互作用影响下各因素权重的确定方法，已知 网络的整体相对作用强度GRSE，则输入节点对整 个网络的影响权重为元，可表示为 占一IGRSE;I 三IGRSE;I2 4.2 网络训练与学习 选取贵州省内83个具有代表性的倾倒式崩塌的基 本数据建立网络。取其中53个为学习样本，其余30 个为检测样本。由于各指标参数都以定性化为主，而 神经网络却是通过数值计算进行的，为方便程序处理， 网络训练之前需将7个指标进行定量化。在分析总结 前人研究的各种指标对危岩体稳定性影响的基础上， 参考前人对危岩体崩塌稳定性评价中因子赋值（4,14-1匀， 对指标人为地赋予［0,1］间的数值，见表l。 表1识别指标定量化 Table 1 Quantification of identification inds 赋值 识别指标 。0.3 0.7 1.0 斜坡披皮 军军25。‘ 25～50。50。～75 二三75。 岩体结构整体结构次块结构块状结构碎裂结构 凹腔状态 浅（＂＂1/3宽）中等（1/3～1/2宽）较深（113-2/3宽） 深（，，.2/3宽） 主控结构面倾角 军三25。25。～50。 筒l荷松弛微弱月号 后缘裂缝贯通0- 10 1040 基座软硬程度破岩中硬岩 构建一个输入层和输出层都为7个识别指标， 隐含层节点数为14的3层BP人工神经网络训练模 型。为了有效地降低网络训练时间，提高网络收敛 速度，采用自适应学习速率动量梯度下降反向传播 算法。参数设置为训练目标取lx 10 7，随机优化 的最大循环次数3000，附加动量因子为0.9，初始 学习率为0.05，学习率递增递减因子分别为1.05、 0.3。输入层与隐含层间传导函数采用对数S型函数 logsig，隐含层与输出层间传导函数采用线性函数 50～75。 ,,.75。 中等强 4060 ,,.60 软岩极软岩 purelin。隐层的非线性传导函数可以学习输入输出 之间的线性和非线性关系，而线性输出层是为了拓 宽网络输出。网络经过13次的学习训练收敛，达到 训练误差要求即停止训练。 为了检验网络的性能，将学习训练好的BP网 络对30个检测样本进行映射检验。检验误差见图1 其最大误差为后缘裂缝贯通程度约0.8。从总体检 验效果来看，各参数的检验误差均低于2，与实际 情况基本吻合，说明网络学习训练成功。 ChaoXing 84 煤田地质与勘探第43卷 面 度构态构 坡结状结 坡体腔控 斜岩凹主 「 EE 』『目 。。，。 4 句，h Tgx 气涮部 . . 2 3 4 5 6 7 样本参数 -6 -8 图l输入层为7时的BP网络预测误差 Fig. I Predicted errors of BP network in case of 7 layers 4.3 相互作用强度 由所建网络得出各指标间的整体相对作用强度 GRSE，如表2。表中对角线上的项GRSE句（仨i）为 所对应参数的自复合作用，都等于1；而非对角线 项GRSE句（k/j）则为左边输入参数j对上边输出参数 k的整体相对作用强度。由表可见，各指标间相互 作用关系非常复杂，参数a对参数b的作用与参数 b对参数a的作用不一定存在对等关系，如GRSE1s 一0.6358，而GRSEs1二0.0504。各指标间的整体相 对作用强度GRSE也可以用折线图表示，见图2。 由图可见，除本身的作用外，识别指标间相互作用 强度受2、4、6、7的影响都很大，即岩体结构、主 控结构面倾角、后缘裂缝贯通程度和基座软硬程度 对各指标影响作用都很大。 表2潜在崩塌识别指标整体相互作用矩阵（GRSE Table 2 The overall interaction matrix of identification inds of potential collapse 输出参数 输入 参数 2 -0.502 9 1.000 0 -0.190 2 0.076 4 -0.164 8 -0.852 I 0.305 0 3 0.142 2 0.979 0 1.000 0 -0.422 7 0.126 7 0.158 0 -0.662 2 句，＆句3AU 『 εJrO 句， 1.000 0 -0.140 4 -0.096 2 0.023 6 -0.050 4 -0.230 7 0.057 8 4 0.099 6 0.468 3 0.058 5 1.000 0 -0.105 I 0.248 8 -0.274 8 6 0.547 6 -0.458 7 -0.090 4 0.870 5 0.168 4 1.000 0 - 0.031 6 7 - 0.042 I 0.407 9 0.576 6 -0.393 4 0.067 4 -0.840 9 1.000 0 5 -0.635 8 -0.512 4 -0.270 2 0.160 8 1.000 0 0.288 9 0.219 I 1.5 0.01 嘈坡度 －－岩体结构 .......－凹腔状态 －＞＜－主控结构面｛顷角 －←卸荷松弛 －，．后缘裂缝贯通程度 叶基座软硬程度 1.0 问0.5 、 -05 -1.0 2 3 4 5 6 7 输出参数 图2GRSE相互作用矩阵折线图 Fig.2 GRSE interaction matrix line chart 4.4 指标权重 为进一步分析指标对整体的交互作用强度以及 评价指标的重要性程度，改变输出参数继续进行网 络学习与训练。网络输入仍为7个识别指标，将输 出变量改为潜在崩塌稳定状态，分别对应基本稳定 0，欠稳定一1，即采用7-14-1的结构。训练目标取1x 10--4，学习率为0.01，其他参数同上。从网络预测 结果来看（图匀，期望值与预测值间最大误差为 4.46，说明该网络识别结果可靠度较高。 。 --0.01 题--0.02 --0.03 --0.04 --0.05 。10 15 20 样本 25 30 5 图3输入层为稳定状态时的BP网络误差 Fig.3 Error of BP network in case of the stable state of the _ layer 由式（1）、式（2）的算法原理构造整体交互作用强 度矩阵G元SEkj，得出 G元SE0.1640, 1.00 0,0.433 7, 0.412 4, 0.367 0, 0.712 6, 0.586 2）；各因素权重λ＝ 0.0987, 0.1942, 0.1449, 0.1230, 0.1064, 0.1838, 0.1490）。评价指标间交互作用强度越大，其对危岩 体稳定性的影响越显著。评价指标交互作用强度最 ChaoXing 第3期胡玉凤等贵州潜在倾倒式崩塌的识别指标 85 大的是岩体结构，后缘裂缝贯通程度次之，最小的 是坡度。可见，潜在崩塌稳定性识别中岩体结构、 后缘裂缝贯通程度的敏感性最强。此外，各指标对 潜在崩塌的识别结果影响强度（GRSE均大于0，表 明各因素在潜在崩塌识别过程中主要起正作用，如 后缘裂缝贯通程度越大，越不利于危岩体稳定；从 权重来看，影响作用大小排序为岩体结构〉后缘裂 缝贯通程度〉基座软硬程度〉凹腔状况＞主控结构 面〉卸荷松弛状态〉坡度。岩体结构、后缘裂缝贯 通程度是影响潜在倾倒式崩塌稳定性最主要的因 素，这与一般的定性认识基本吻合，说明利用阻S 理论与BP人工神经网络得出的指标间关系和指标 权重比较符合实际。 5结论 a.根据前人对危岩体崩塌的研究，界定了潜在 崩塌的范围。根据贵州省倾倒式崩塌的特点，选取 坡度、后缘裂缝贯通程度、凹腔状况、卸荷松弛状 态、岩体结构、主控结构面和基座软硬程度作为识 别指标。 b.利用MATLAB软件，建立了基于RES理论 的潜在崩塌智能判别评价模型，实现了识别指标间 相互作用关系矩阵的建立和潜在崩塌影响因素的交 互作用分析。由分析结果可知7个指标对潜在崩塌 识别结果的作用大小不一，按影响作用从大到小排列 为岩体结构〉后缘裂缝贯通程度＞基座软硬程度＞ 凹腔状况＞主控结构面〉卸荷松弛状态＞坡度。 c.尽管贵州省内崩塌实例较多，但全面的可用数 据仅83个，且野外收集的地质信息受多方面的影响存 在些许偏差。数据较少，一定程度上影响BP网络训 练学习效果；指标量化时存在很大的主观性，最终影 响指标相互作用强度和指标权重。今后还应多做野外 调查，收集更多符合实际的野外资料以充实潜在崩塌 数据库，以便得出更为准确的潜在崩塌指标体系。 参考文献 川孔志岗潜在斜坡地质灾害研究［DJ.昆明昆明理工大学， 2007. 2］黄润秋．中国西部地区典型岩质滑坡机理研究［几第四纪研 究，2003,236 640-647. [3］郭素芳危岩体的分类及其风险性评价一以大渡河黄金坪水 电站地下厂房后山高边坡危岩体为例[DJ.成都成都理工大 学，2008. [4］刘卫华．高陡边坡危岩体稳定性、运动特征及防治对策研 究［DJ.成都成都理工大学，2008. 5］袁进科，裴向军基于震裂损伤程度的公路崩塌识别方法［巧． 公路交通科技，2013,303“-51. [6］陈洪凯，唐红梅，王蓉．三峡库区危岩体稳定性计算方法及应 用［JJ.岩石力学与工程学报，2004,234 614-619. [7］国家防汛抗旱总指挥部办公室，中科院水利部成都山地灾害 与环境研究所．山洪泥石流滑坡灾害及防治［M］.北京科学 出版社，1994. [8］齐洪亮．公路路基地质灾害评价及防治对策研究［DJ.西安 长安大学，2008. [9］王林峰，陈洪凯，唐红梅－危岩稳定可靠度计算方法研究［巧． 人民长江，2012,4323 14-17. 10］胡斌，黄润秋．软硬岩互层边坡崩塌机理及治理对策研究［月 工程地质学报，2009,172 200-205. [ 11] HUDSON J A. Rock mechanics principle in engineering prac- tice[R]. London John Wiley Sons Ltd, 1989. 12］杨英杰，张清．人工神经网络在岩石工程系统阻S中的应 用［几铁道学报，1997,192 67-72. 13］马东霞，郭立，杨殿考虑多因素交互作用影响的权重确 定［J］.辽宁工程技术大学学报自然科学版，2006,254 521-523. 14］董好刚，陈立德，黄长生三峡库区云阳一江津段危岩形成的 影响因素及稳定性评价［巧工程地质学报，2010,185 645-650. 15］马保成，因伟平，高婷，等公路地质灾害的灾前识别方法研 究（J］.公路，2011,66 1-4. （责任编辑张宏） ChaoXing