安培源

北京中地華安科技股份有限公司

摘要：以西南某管道四川、重慶、湖北段為研究區(qū)，以歷年管道沿線滑坡災(zāi)害點(diǎn)為數(shù)據(jù)樣本，選擇坡度、滑面傾角、年均降雨量、滑面特征、滑床巖性、地表變形、地下水變化特征、人類(lèi)工程活動(dòng)、臨空特征9個(gè)因素作為評(píng)價(jià)指標(biāo)，利用基于誤差反向傳播神經(jīng)網(wǎng)絡(luò)對(duì)研究區(qū)滑坡穩(wěn)定性評(píng)價(jià)進(jìn)行建模。結(jié)果表明，相較于傳遞系數(shù)法，基于神經(jīng)網(wǎng)絡(luò)的滑坡穩(wěn)定性評(píng)價(jià)模型雖然評(píng)價(jià)結(jié)果相對(duì)保守，但仍然可以滿(mǎn)足管道風(fēng)險(xiǎn)管控需要。

關(guān)鍵詞：誤差反向傳播；神經(jīng)網(wǎng)絡(luò)；滑坡穩(wěn)定性評(píng)價(jià)；管道風(fēng)險(xiǎn)管控

西南某管道起始于川東北地區(qū)，末站為上海市，自西向東途經(jīng)四川、重慶、湖北、安徽等省市。管道沿線地質(zhì)環(huán)境條件復(fù)雜，其中川東、渝中、鄂西等地區(qū)尤為突出，這些地區(qū)地形地貌多樣、地質(zhì)構(gòu)造復(fù)雜、巖性巖相變化大、人類(lèi)工程活動(dòng)強(qiáng)烈，導(dǎo)致地質(zhì)災(zāi)害異常發(fā)育。準(zhǔn)確、快速評(píng)估災(zāi)害體的穩(wěn)定性對(duì)管道安全風(fēng)險(xiǎn)管控具有重要意義。

滑坡穩(wěn)定性是一個(gè)受多因素、多參數(shù)控制且具有一定偶發(fā)性，受高度復(fù)雜地質(zhì)作用控制的工程地質(zhì)問(wèn)題，是工程地質(zhì)工作者長(zhǎng)期研究的焦點(diǎn)。早期的工程地質(zhì)評(píng)價(jià)方法以定性描述和分析為主，主要依賴(lài)于專(zhuān)家個(gè)人經(jīng)驗(yàn)，具有一定的局限性[1]。通過(guò)綜合分析滑坡地質(zhì)環(huán)境特征、地質(zhì)災(zāi)害體特征、誘發(fā)因素等，找到各因素間的內(nèi)在聯(lián)系以及與滑坡穩(wěn)定性的關(guān)系，為準(zhǔn)確評(píng)價(jià)滑坡的穩(wěn)定性奠定基礎(chǔ)。本文嘗試建立基于誤差反向傳播神經(jīng)網(wǎng)絡(luò)的滑坡穩(wěn)定性評(píng)價(jià)模型，利用計(jì)算機(jī)強(qiáng)大的運(yùn)算能力，在前人累積的工作成果基礎(chǔ)上，探尋地質(zhì)災(zāi)害規(guī)律，有利于地質(zhì)災(zāi)害防治和管道安全運(yùn)行。

1  滑坡樣本庫(kù)的建立及指標(biāo)選取

滑坡類(lèi)型多樣，影響因素眾多，是一個(gè)復(fù)雜的工程問(wèn)題，難以進(jìn)行工程定量計(jì)算。此外，各個(gè)工程所獲指標(biāo)不統(tǒng)一，部分指標(biāo)為定量，部分指標(biāo)為定性，這使得應(yīng)用神經(jīng)網(wǎng)絡(luò)進(jìn)行滑坡分析與預(yù)測(cè)時(shí)，面臨首個(gè)難題是滑坡數(shù)據(jù)的提取與樣本庫(kù)的建立。

1.1  指標(biāo)的選取

滑坡產(chǎn)生的根本原因在于邊坡巖土體的性質(zhì)、坡體介質(zhì)內(nèi)部的結(jié)構(gòu)構(gòu)造和邊坡體的空間形態(tài)。滑坡的形成與地層巖性、地質(zhì)構(gòu)造、地形地貌等這些內(nèi)部條件密切相關(guān)。水的作用、地震、大型爆破和其他人為因素是滑坡的催生劑，是產(chǎn)生滑坡的外因[2]。通常情況下，分析滑坡的形成需要考慮自然地理及地質(zhì)環(huán)境條件，包括以下幾大類(lèi)：氣象、水文、地形地貌、地層巖性、地質(zhì)構(gòu)造、地震、水文地質(zhì)條件和人類(lèi)工程活動(dòng)。根據(jù)相關(guān)文獻(xiàn)[3-4]，并結(jié)合管道沿線滑坡調(diào)查成果資料，最終確定將坡度、滑面傾角、年均降雨量、滑面特征、滑床巖性、地表變形、地下水變化特征、人類(lèi)工程活動(dòng)、臨空特征9個(gè)評(píng)價(jià)指標(biāo)作為輸入值，穩(wěn)定性系數(shù)（自然工況）和穩(wěn)定性系數(shù)（暴雨工況）2項(xiàng)數(shù)據(jù)作為預(yù)測(cè)值。

1.2  原始數(shù)據(jù)樣本

提取到的部分原始數(shù)據(jù)（表 1）。

表 1 滑坡穩(wěn)定性評(píng)價(jià)模型原始數(shù)據(jù)樣本

1.3  樣本數(shù)據(jù)處理

連續(xù)型數(shù)據(jù)的歸一化處理。模型的輸入數(shù)據(jù)類(lèi)別中的坡度、滑面傾角、年均降雨量等連續(xù)型數(shù)據(jù)，在物理含義、量綱及取值范圍上各不相同，從數(shù)據(jù)的數(shù)值上看區(qū)間跨度和差異性較大。為了能讓模型獲得最佳的預(yù)測(cè)結(jié)果，對(duì)這三類(lèi)連續(xù)型數(shù)據(jù)分別進(jìn)行了歸一化處理。

常規(guī)的歸一化處理是將原始數(shù)據(jù)映射到[0，1]或者[-1，1]之間。結(jié)合地質(zhì)災(zāi)害分析中的專(zhuān)家經(jīng)驗(yàn)，采用公式將其轉(zhuǎn)換為[0.1，0.9]之間的浮點(diǎn)數(shù)[5-7]。

類(lèi)別型數(shù)據(jù)的離散化處理。模型的輸入數(shù)據(jù)類(lèi)別中的滑面特征、滑床巖性、地表變形、地下水變化特征、人類(lèi)工程活動(dòng)、臨空特征、穩(wěn)定性這7項(xiàng)是類(lèi)別型數(shù)據(jù)。本文將這些數(shù)據(jù)轉(zhuǎn)換為用數(shù)字表示的離散化數(shù)據(jù)。

結(jié)合研究問(wèn)題的實(shí)際需求以及地質(zhì)災(zāi)害分析中的專(zhuān)家經(jīng)驗(yàn)，采用分段映射的方式來(lái)完成類(lèi)別型數(shù)據(jù)的離散化處理（表 2）。

表 2 類(lèi)別型數(shù)據(jù)的離散化處理分段映射表

經(jīng)過(guò)分析和處理后的數(shù)據(jù)格式如表 3所示。

表 3 經(jīng)過(guò)分析和處理后的數(shù)據(jù)格式

2  人工神經(jīng)網(wǎng)絡(luò)模型的構(gòu)建

2.1  人工神經(jīng)網(wǎng)絡(luò)模型的選取

滑坡穩(wěn)定性AI模型的目的是期望根據(jù)現(xiàn)有的數(shù)據(jù)建立起滑坡特征參數(shù)，比如坡度、滑面傾角等評(píng)價(jià)指標(biāo)與滑坡穩(wěn)定性系數(shù)之間的關(guān)聯(lián)，從而能夠通過(guò)特征參數(shù)來(lái)分析預(yù)測(cè)滑坡的穩(wěn)定性系數(shù)[8]。滑坡穩(wěn)定性系數(shù)是一個(gè)無(wú)量綱的連續(xù)型浮點(diǎn)數(shù)。從這個(gè)角度去考慮，可以把問(wèn)題抽象為一個(gè)回歸問(wèn)題，將滑坡穩(wěn)定性AI模型構(gòu)建為一個(gè)回歸模型。另一方面，滑坡穩(wěn)定性系數(shù)根據(jù)數(shù)值的大小依次分為不穩(wěn)定、欠穩(wěn)定、基本穩(wěn)定、穩(wěn)定四個(gè)級(jí)別，可以把問(wèn)題抽象為一個(gè)分類(lèi)問(wèn)題來(lái)處理，將滑坡穩(wěn)定性AI模型構(gòu)建為一個(gè)分類(lèi)模型[9]。在理論上，回歸和分類(lèi)都是機(jī)器學(xué)習(xí)的主要任務(wù)，分類(lèi)模型和回歸模型本質(zhì)一樣，都是要建立映射關(guān)系。

根據(jù)滑坡穩(wěn)定性評(píng)價(jià)模型的實(shí)際情況，分別采用回歸方法和分類(lèi)方法來(lái)進(jìn)行建模，最后通過(guò)實(shí)際結(jié)果來(lái)選擇較好的模型。BP神經(jīng)網(wǎng)絡(luò)既可以支持回歸問(wèn)題的求解也可以支持分類(lèi)問(wèn)題的求解，因此本文選擇使用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行模型的構(gòu)建。在采用回歸方法進(jìn)行建模時(shí)采用BP-Regressor網(wǎng)絡(luò)來(lái)構(gòu)建模型，完成對(duì)穩(wěn)定性系數(shù)的分析和預(yù)測(cè)。在采用分類(lèi)方法進(jìn)行建模時(shí)利用BP-Classifier網(wǎng)絡(luò)來(lái)構(gòu)建模型，使用softmax函數(shù)作為神經(jīng)網(wǎng)絡(luò)的最后一層，實(shí)現(xiàn)一個(gè)多分類(lèi)的人工神經(jīng)網(wǎng)絡(luò)，完成對(duì)穩(wěn)定性類(lèi)別的分析和預(yù)測(cè)。

2.2  模型調(diào)參和訓(xùn)練

采用基于誤差反向傳播的多層感知神經(jīng)網(wǎng)絡(luò)（BP神經(jīng)網(wǎng)絡(luò)）進(jìn)行模型的訓(xùn)練[10]。構(gòu)建一個(gè)具有兩個(gè)隱藏層，使用relu函數(shù)作為激活函數(shù)的回歸神經(jīng)網(wǎng)絡(luò)作為基礎(chǔ)網(wǎng)絡(luò)（圖 1）。

圖 1 基礎(chǔ)回歸網(wǎng)絡(luò)

使用類(lèi)別等比例切分的訓(xùn)練集和驗(yàn)證集對(duì)模型進(jìn)行訓(xùn)練和驗(yàn)證，并獲得模型的評(píng)價(jià)結(jié)果。根據(jù)評(píng)價(jià)結(jié)果，使用編寫(xiě)的自動(dòng)優(yōu)化程序，不斷調(diào)整每個(gè)隱藏層中節(jié)點(diǎn)個(gè)數(shù)、懲罰系數(shù)、激活函數(shù)等參數(shù)，再進(jìn)行模型的訓(xùn)練，最終獲得最優(yōu)的模型（圖 2、圖 3）。

圖 2 超參數(shù)優(yōu)化空間

圖 3 模型評(píng)價(jià)

優(yōu)化后的滑坡穩(wěn)定性模型具有一個(gè)輸入層、兩個(gè)隱藏層、一個(gè)輸出層。每層節(jié)點(diǎn)數(shù)分別為9、53、82、4，模型概化見(jiàn)圖 4。迭代次數(shù)676次、最小損失值0.4642，激活函數(shù)relu，輸出激活函數(shù)softmax，尋優(yōu)方法adam，學(xué)習(xí)率動(dòng)態(tài)自適應(yīng)。

圖 4 滑坡穩(wěn)定性模型的概化圖

2.3  對(duì)比分析與實(shí)例應(yīng)用

選擇管道沿線典型地質(zhì)災(zāi)害隱患點(diǎn)數(shù)據(jù)對(duì)模型進(jìn)行驗(yàn)證。

災(zāi)害點(diǎn)地質(zhì)環(huán)境條件。根據(jù)第一節(jié)滑坡樣本庫(kù)的建立與指標(biāo)選取原則對(duì)沿線典型災(zāi)害點(diǎn)參數(shù)進(jìn)行提取（表 4）。

表 4 典型地質(zhì)災(zāi)害點(diǎn)參數(shù)

調(diào)用已訓(xùn)練完成的模型，導(dǎo)入管道沿線典型地質(zhì)災(zāi)害隱患點(diǎn)參數(shù)數(shù)據(jù)進(jìn)行預(yù)測(cè)，預(yù)測(cè)結(jié)果見(jiàn)表 5。

表 5 典型地質(zhì)災(zāi)害隱患點(diǎn)穩(wěn)定性預(yù)測(cè)結(jié)果對(duì)比

從以上三處滑坡穩(wěn)定性評(píng)價(jià)模型預(yù)測(cè)結(jié)果可以看出，與傳遞系數(shù)法相比，其準(zhǔn)確率達(dá)到83%，其中對(duì)暴雨工況下的穩(wěn)定性預(yù)測(cè)結(jié)果全部與傳遞系數(shù)法得到的穩(wěn)定性結(jié)果相一致。自然工況下，對(duì)EES210-3斜坡的穩(wěn)定性預(yù)測(cè)結(jié)果為基本穩(wěn)定，相較于傳遞系數(shù)法得到的穩(wěn)定性結(jié)果偏保守，分析認(rèn)為是由于輸入?yún)��?shù)中缺少巖土體物理力學(xué)參數(shù)導(dǎo)致的。從驗(yàn)證結(jié)果來(lái)看，滑坡穩(wěn)定性評(píng)價(jià)模型可以作為目前滑坡穩(wěn)定性評(píng)價(jià)的有效補(bǔ)充，也為管道沿線滑坡防治開(kāi)拓了新的思路。

3  結(jié)論

根據(jù)滑坡穩(wěn)定性評(píng)價(jià)模型預(yù)測(cè)結(jié)果可以得知，基于人工神經(jīng)網(wǎng)絡(luò)模型對(duì)滑坡穩(wěn)定性進(jìn)行評(píng)估是一種快速、可行、具有較小誤差的方法。

基于人工神經(jīng)網(wǎng)絡(luò)模型的滑坡穩(wěn)定性評(píng)價(jià)模型的預(yù)測(cè)結(jié)果與傳遞系數(shù)法的結(jié)果仍然存在誤差，這說(shuō)明由于滑坡系統(tǒng)的復(fù)雜性決定了任何一種方法都難以把滑坡的影響因素完全考慮進(jìn)去。該模型首先建立在人工經(jīng)驗(yàn)選取的評(píng)價(jià)指標(biāo)上，未來(lái)隨著對(duì)滑坡穩(wěn)定性評(píng)價(jià)模型持續(xù)改進(jìn)，不斷增加評(píng)價(jià)指標(biāo)，有望建立一個(gè)能夠考慮到絕大多數(shù)影響因素的評(píng)價(jià)模型，來(lái)克服已有評(píng)價(jià)方法的局限性。

參考文獻(xiàn)：

[1]曾斌，項(xiàng)偉. 人工神經(jīng)網(wǎng)絡(luò)在石佛寺滑坡穩(wěn)定性評(píng)價(jià)中的應(yīng)用[C]//中國(guó)地質(zhì)學(xué)會(huì)工程地質(zhì)專(zhuān)業(yè)委員會(huì)2007年學(xué)術(shù)年會(huì)暨“生態(tài)環(huán)境脆弱區(qū)工程地質(zhì)”學(xué)術(shù)論壇論文集：科學(xué)出版社(Science Press)，2007： 390-396.

[2]周福軍.日冕水電站庫(kù)區(qū)滑坡穩(wěn)定性早期智能判別及危害模糊綜合預(yù)測(cè)研究[D].吉林大學(xué)， 2013.

[3]黃光東.基于智能算法的滑坡穩(wěn)定性建模與分析[D]. 中國(guó)地質(zhì)大學(xué)（北京）， 2011.

[4]陳筠，郭果.基于RES理論的潛在滑坡識(shí)別[J].工程地質(zhì)學(xué)報(bào)，2014，22(3)：456-463.

[5]李朋麗.基于神經(jīng)網(wǎng)絡(luò)的滑坡穩(wěn)定性分析與預(yù)測(cè)[D]. 長(zhǎng)安大學(xué)，2011.

[6]宮清華，黃光慶.基于人工神經(jīng)元網(wǎng)絡(luò)的滑坡穩(wěn)定性預(yù)測(cè)評(píng)價(jià)[J].災(zāi)害學(xué)，2009，24(3)：61-65+74.

[7]李強(qiáng)，李端有.基于人工神經(jīng)網(wǎng)絡(luò)的滑坡穩(wěn)定性評(píng)估研究[J].長(zhǎng)江科學(xué)院院報(bào)，2005， (6)：19-21+25.

[8]高永利，張振文，代鳳紅，等.基于人工神經(jīng)網(wǎng)絡(luò)的井泉滑坡穩(wěn)定性[J].遼寧工程技術(shù)大學(xué)學(xué)報(bào)，2006，(S2)：82-84.

[9]畢鑫濤.基于人工智能的土石邊坡穩(wěn)定性早期評(píng)價(jià)和滑坡識(shí)別[D]. 中國(guó)地質(zhì)大學(xué)(北京)，2021.

[10]黃光東. 基于智能算法的滑坡穩(wěn)定性建模與分析[D]. 中國(guó)地質(zhì)大學(xué)（北京）, 2011.

（本文系作者2023年10月13日在第四屆管道自然災(zāi)害防治研討會(huì)上的發(fā)言）

作者簡(jiǎn)介：安培源，1994年生，碩士研究生，水工環(huán)地質(zhì)工程師，就職于北京中地華安科技股份有限公司，主要從事油氣管道地質(zhì)災(zāi)害防治工作。聯(lián)系方式：18530095930，anpeiyuanwar@163.com。