1.一种基于表面及深部位移监测下的滑面辨识和滑坡预警方法,其特征在于,包括:
步骤1:获取边坡各监测点位移的监测数据;
步骤2:对所获取时段内的表面及深部位移监测点监测数据进行处理;
步骤3:基于假设检验原理,采用Lilliefors检验方法对监测数据进行正态性检验,得到滑坡的二级预警时刻、一级预警时刻和预警滑面;
对表面监测点的位移速度值进行检验,得到滑坡的二级预警时刻;
对表面监测点的位移加速度值进行检验,得到滑坡的一级预警时刻;
对深部监测点的位移错动量进行检验,得到预警滑面;
所述对表面监测点的位移速度值进行检验,得到滑坡的二级预警时刻,具体表示为:首先将前x个位移速度值{v1,…,vx}视为第一个随机变量X1,对其进行正态性检验,若检验结果为真,则X1服从正态分布,边坡该时段处于等速蠕变阶段;继续纳入下一个位移速度值vx+1,根据{v1,…,vx+1}生成第二个随机变量X2,对其进行正态性检验;若检验结果为真,继续令x加1直到纳入第i个位移速度值vi,生成第i‑x个随机变量Xi‑x,检验结果为假,则说明Xi‑x不服从正态分布,边坡在ti‑1~ti时刻之间进入加速变形阶段,将第i‑1个位移速度值对应的时刻ti‑1作为二级预警时刻;
所述对表面监测点的位移加速度值进行检验,得到滑坡的一级预警时刻,具体表示为:
首先将ti‑1时刻之前的数据删除,将ti时刻位移加速度值作为第一个数据;对位移加速度值所生成的随机变量进行正态性检验,若检验结果为真,则其服从正态分布,继续纳入下一个位移加速度值,对其进行正态性检验,直到纳入第j个位移加速度值aj,生成随机变量Yj,若检验结果为假,则说明随机变量Yj不服从正态分布,边坡在tj‑1~tj时刻之间进入临滑阶段,将第j‑1个位移加速度值对应的时刻tj‑1作为一级预警时刻;
所述对深部监测点的位移错动量进行检验,得到预警滑面,具体表述为:首先在第一个时刻的监测数据中,选取前z个位移错动量{u1,…,uz}视为第一个随机变量Z1,对其进行正态性检验,若检验结果为真,则Z1服从正态分布,边坡处于等速变形阶段,继续纳入下一个位移错动量uz+1,根据{u1,…,uz+1}生成第二个随机变量Z2,对其进行正态性检验,当纳入最后一个位移错动量生成的随机变量检验结果为真时,则第一个时刻的边坡的位移错动量服从正态分布,边坡处于等速变形阶段,则继续对下一时刻的监测数据进行正态性检验,直到在第n个时刻中,当纳入第k个位移错动量uk,生成第k‑z个随机变量Zk‑z经正态性检验结果为假时,则说明Zk‑z不服从正态分布,将第k‑1个位移错动量对应的深度hk‑1作为预警滑面,第n个时刻作为预警时间。
2.根据权利要求1所述的一种基于表面及深部位移监测下的滑面辨识和滑坡预警方法,其特征在于,所述步骤2包括:步骤2.1:计算表面各监测点等间隔时段的位移速度值vi、位移加速度值ai;
式中,ΔS为某一时段的累计位移,d为该时段总时间,Δv为某一时段的位移速度;
步骤2.2:计算深部各监测点等间隔时段的位移错动量ui:
ui=hi‑hi+1
式中,hi+1为某一时刻第i+1个深度的累计位移,hi为某一时刻第i个深度的累计位移。