拉萨市郊地质灾害预测及防治辅助决策

肖阳，叶唐进

拉萨市郊地质灾害预测及防治辅助决策

肖阳，叶唐进

(西藏大学工学院，拉萨 850000）

拉萨市郊区的自然环境和地质环境较为脆弱，在雨量充沛的6~9月易形成崩塌、滑坡和泥石流等地质灾害。为了对地质灾害进行有效的预测和防治辅助决策，根据野外调查资料，结合模糊数学、小波人工神经网络和灰色决策等理论进行降雨量预测、危险性计算以及防治辅助决策，并运用Java SE Development Kit 8平台开发了地质灾害预测及防治辅助决策系统。

地质灾害；预测；辅助决策；拉萨

拉萨市位于喜马拉雅山脉北侧，属高原温带半干旱季风气候，日照充足，空气干燥，昼夜温差大，降水量小，蒸发量大。由于拉萨河谷两侧海拔较高，植被覆盖率低，山体寒冻风化较为严重，其自然环境和地质环境较为脆弱，遇大暴雨容易形成泥石流、崩塌、滑坡等地质灾害[1]。

拉萨市郊区地质灾害的研究，陈之强[2]等对色拉寺后山危岩的稳定性进行了分析并提出防治措施，王连宏[3]等对哲蚌寺泥石流的危害性进行了计算分析并提出了相应的治理措施，朱坤[4]等对墨竹工卡县中学后山的滑坡稳定性进行了分析并进行了抗滑桩的设计，张永昇[5]对甲玛矿区的融雪型碎屑流进行了稳定性分析并进行数值模拟加以验证。但是对于拉萨市郊区地质灾害的预测和防治辅助决策研究目前还没有学者涉及。因此通过野外实地勘察，并结合模糊数学、小波人工神经网络和灰色决策等理论，运用计算机编程和数据库等技术，开发了地质灾害预测及防治辅助决策系统，进而对地质灾害发生的时间和空间进行预测，同时提出防治辅助决策。

1 地质背景

1.1 地形地貌与地层岩性

研究区属冈底斯山脉东延部分的藏南高山宽谷地貌单元，总体为高山挟持河谷的地貌形态。受地质构造的控制以及拉萨河、堆龙河等水系侵蚀切割的影响，区内形成了梁谷相间的高山河谷地形，地势总体呈现南北高中部低、岭高谷深的特点[6]。该区属于冈底斯—腾冲地层区、拉萨沃卡分区，出露的地层主要有上侏罗系、白垩系、古近系及第四系。除第四系，其余地层分布面积约401.40km2，多呈不整合接触，与岩浆岩呈侵入接触。第四系分布面积363.81km2，成因类型有冲积、洪积、冲洪积、坡洪积、坡积、沼泽堆积、风积等[7]。

1.2 地质构造与水文地质

该区位于雅鲁藏布江以北东西向构造中部地带，即拉萨—林芝岩带，南侧以雅鲁藏布江深大断裂为界与喜马拉雅弧形构造相邻。处于当雄羊八井-尼木与桑日-错那活动构造带间的“安全岛”，距离雅鲁藏布江深大断裂和当雄羊八井-尼木地震活跃带60~100km。该区域河流、溪沟发育，呈树枝状展布，属雅鲁藏布江水系。常年性河流主要有拉萨河、堆龙河和流沙河，其余皆为季节性溪流。地表水资源丰富，但时空分布极为不均。地下水按赋存空间与水力性质可划分为松散岩类孔隙水、基岩裂隙水、碳酸盐岩类裂隙溶洞水三大类型[7]。

1.3 气象与不良地质

该区属内陆高原温带半干旱气候[7]，区内多年平均气温8℃，最高气温29.4℃，最低气温-16.5℃，多年平均降水量424.56mm，最大年降水量613.8mm，最小年降水量229.6mm，5~9月集中了全年94.8%的降水量，多为历时较短的中到大雨，最大日降水量为61.7mm。区内蒸发量为2 306.70mm，寒冻风化较为强烈。

研究区的不良地质主要为崩塌、滑坡、泥石流、碎屑流和地面塌陷等几种类型，不良地质的发生与地形地貌、地层岩性、大气降水等因素密切相关。其中，泥石流主要分布在拉萨河、堆龙河两岸的支沟与山前坡麓地带。崩塌主要分布在风化较为严重的花岗岩边坡地段，部分发育于沟谷的自然陡坡区。滑坡零星分布于拉萨河两岸山前斜坡地段。碎屑流主要分布于海拔较高、寒冻风化较严重的山顶[7]。

2 预测及防治辅助决策的计算方法

对于拉萨市地质灾害的预测及防治辅助决策，本文通过野外调查分析，再结合小波人工神经网络计算出2016年拉萨市降雨的规律，然后利用模糊数学计算，得到其时间序列预测结果，最后利用灰色决策对地质灾害提出防治辅助决策。

2.1 小波人工神经网络

运用小波人工神经网络组合模型[8]，预测2016年拉萨市的降雨量，其原始数据来源于欧洲中期天气预报中心（ECMWF）拉萨市1979~2015年的降雨数据。然后利用Matlab进行小波快速分解，采用小波为bior 2.4，分解级数为二级，得到小波分解序列D2，D1，A2，见图1。

图1 小波分解

图2 时间序列响应

经分析，WANN结构为3-15-1，即输入为[D2,D1,A2]，由37年降雨数据（1979~2015年）建模，训练1 000次，得出2016年拉萨市的年降雨量为474.15mm。其时间序列响应见图2，误差在允许范围内，可用来进行预测。

2016年实际降雨量与预测降雨量对比统计见表1，因今年的数据只有1~5月，因此只对比了前五个月的降雨量，从表中可以看出，预测降雨量与实际降雨量之间的误差都在2mm之内，误差在允许范围，可用来进行计算。

2.2 模糊数学

表1 拉萨市2016年1~5月实际降雨和预测降雨对比结果（单位：mm）

采用模糊数学中的模糊综合评判[9]，以野外调查的拉萨市典型的六处地质灾害点为例建立因素集U1，因素集U1={地层岩性，坡度，坡高，结构面发育，地质构造，新构造运动与地震，人类工程活动，月降雨量}。在模糊综合评判过程中，因崩塌与滑坡共同点较多，都选用以上的8个评价因子，泥石流选用另外的8个因子，分别为：岩性因素、流域面积、主沟平均比降、沟床弯曲系数、流域切割密度、单位面积物源量、不良地质现象、月降雨量。

将地质灾害稳定状态分为4个等级，评价集V为：V={稳定、基本稳定、欠稳定、不稳定}。采用半梯形模糊分布与专家打分法确定隶属函数，计算出单因素评判矩阵，采用层次分析法[10]确定各因子权重，再使用上文的月降雨量进行预测，选择崩塌1、崩塌2、崩塌3、滑坡1、滑坡2、泥石流分别编号为1#、2#、3#、4#、5#、6#。然后进行模糊综合评判，得到评价集中“不稳定”状态的隶属度值的时间序列预测结果（图3）。

图3 典型地质灾害点时间序列预测结果折线图

从图3可知，在12个月中，“不稳定”隶属度值的峰值一般出现在7月和8月，两侧分别呈递减趋势，因此危险月份为6~9月，7~8月最危险，其余月份则比较安全。

2.3 灰色决策

采用灰色决策中的多目标加权灰靶决策[11]，以拉萨市典型的6处地质灾害点的时间序列预测结果进行决策。首先建立事件集、对策集及决策方案集，将最危险的灾害点作为事件a1，事件集A={a1}。选择崩塌1、崩塌2、崩塌3、滑坡1、滑坡2、泥石流建立对策集B={b1,b2,b3,b4,b5,b6}，由事件A和对策B构造决策方案集：

表2 各个目标及相应指标的决策权重

然后确定三个决策目标：最大值、变化率1、变化率2，其中最大值与变化率1为效益型指标，变化率2属于成本型指标。最后确定个目标的决策权（表2）。

求得各目标的效果样本向量为：

U(1)=（0.45,0.30,0.40,0.29,0.29,0.32）

U(2)=（0.13,0.06,0.17,0.11,0.05,0.10）

U(3)=（0.13,0.05,0.16,0.11,0.06,0.09）

根据计算得出的多组数据，设定最大值的临界值为0.2，变化率1的临界值为0.05，设定变化率2的临界值为0.1，求得一致效果测度向量为：

R(1)=（1.0,1.0,0.80,0.36,0.36,0.48）

R(2)=（1.0,0.89,0.22,0.67,0.00,0.56）

R(3)=（-1.00,-0.75,1.0,-0.25,1.0,0.25）

3 软件系统实现

拉萨市地质灾害预测及防治辅助决策系统必须具备专业性、实用性与通用性，使其具有数据储存管理、实时更新预测和为政府相关部门提出防治辅助决策的功能。

图4 系统登录界面

图5 系统主页界面

3.1 系统组成与系统功能

拉萨市地质灾害预测及防治辅助决策系统主要包括三大模块：危险性计算模块、预测及防治辅助决策模块、数据库管理模块。系统基于Java SE Development Kit 8平台开发，可运行在具备Java SE 8环境的Windows、Linux、Mac等个人计算机上。系统采用NetBeans 8.1 IDE开发工具，采用Apache Derby开源数据库。登录系统作为系统的入口，输入正确的用户名与密码方可进入主页，有控制用户权限、记录用户行为、保护操作安全的作用，图4为登录界面。其数据库管理是对已有数据进行管理的功能，方便录入、查看、修改灾害点数据。在主页部分，除菜单栏外展示了拉萨市郊区地质灾害的简介、照片、小波分析结果、时间序列预测结果，还具有快速引导操作的作用，见图5。

3.2 危险性计算

采用小波人工神经网络组合模型，使用Matlab等软件进行计算，预测出拉萨市2016年的降雨量，再进行权重计算，然后进行地质灾害的隶属度计算及综合评判，最后得出地质灾害的危险性评价结果。崩塌滑坡权重计算、隶属度计算以及综合评判界面详见图6、图7。

图6 崩塌滑坡权重计算

图7 崩塌滑坡模糊综合评判

3.3 时间序列预测及防治辅助决策

时间序列预测方法是将2016年的月降雨序列带入模糊综合评判中进行计算，得出12个评价集中“不稳定”状态的隶属度值，然后绘图，并为辅助决策作准备（图8）。防治辅助决策采用灰色决策模型中的多目标加权灰靶决策模型，数据来源于上文中的结果，将其进行计算，并得出最终辅助决策结果（图9）。

图8 时间序列预测

图9 辅助决策界面

3.4 数据库管理及赤平投影

为了更好地实现系统功能，本系统中加入了数据库管理功能，采用Apache Derby数据库，并将其内嵌至软件中，可较全面地录入地质灾害点的名称、地点、编号、地理位置、边坡环境、边坡基本特征、失稳情况等数据，便于查询与使用。数据管理界面见图10。系统中极射赤平投影主要用来表示结构面的稳定情况，可以对单个岩体的稳定性进行判别，详见图11。

图10 数据管理界面

图11 赤平投影界面

4 结论

通过对拉萨市郊区几处典型地质灾害点的野外调查，并结合模糊数学、小波人工神经网络、灰色决策理论和计算机技术分析研究，得出以下几点结论。

1）通过野外调查和理论分析得出拉萨市地质灾害主要影响因素为降雨、地震等，地质灾害发生主要集中在雨季的6~9月。

2）通过防治辅助决策分析，得出先治理比较危险崩塌3，其次是崩塌2、崩塌1和泥石流，最后治理滑坡2和滑坡1。

3）运用Java SE Development Kit 8平台开发了地质灾害预测及防治辅助决策系统软件。

[1] 王晓军，程绍敏．西藏主要气候特征分析[J]．高原山地气象研究，2009，04：81-84．

[2] 陈之强，王宏，姜福堂，等．拉萨色拉寺后山危岩防治措施研究[J]．市场与技术，2013，20(6)：5-7．

[3] 王连宏，叶唐进，姜福堂，等．哲蚌寺泥石流的防治措施研究[J]．四川建材，2014，40(179)：147-149．

[4] 朱坤，叶唐进，陈贵波，等．墨竹工卡县中学后山滑坡体稳定性分析研究[J]．四川建材，2014，40（182）：94-96．

[5] 张永昇，王萍淋，乔晨光，等．融雪型滑坡—碎屑流的稳定性分析[J]．四川建材，2015，12（6）：234-236．

[6] 张丰述．拉萨市城市环境地质评价[Z]．成都理工大学，2011．

[7] 地矿部九一五水文地质工程地质大队. 西藏拉萨河河谷平原综合水文地质勘查报告（1∶10万）[R]. 1991．

[8] 王文圣，丁晶，李跃清．水文小波分析[M]．北京：化学工业出版社，2005．

[9] 梁保送，曹殿立．模糊数学及其应用[M]．北京：科学出版社，2007．

[10] 汪应洛．系统工程简明教程[M]．北京：高等教育出版社，2009．

[11] 刘思峰，杨英杰，吴利丰．灰色系统理论及其应用[M]．北京：科学出版社，2014．

Prediction and Control of Geohazards in the Suburban District of Lhasa

XIAO Yang YE Tang-jin

(School of Engineering, Tibet University, Lhasa 850000)

The natural and geological environment in the outskirts of Lhasa is much fragile which makes easy of geohazards such as collapse, landslide, debris flow, etc. from June to September. This study makes precipitation prediction, risk calculation and prevention and control of auxiliary decision-making based on the fuzzy mathematics and develops geological hazard prediction and prevention and control of auxiliary decision-making system by the Java SE Development Kit 8 platform.

geohazard prediction; prevention and control; auxiliary decision-making; fuzzy mathematics; Lhasa

P642.2

A

1006-0995（2017）03-0449-05

10.3969/j.issn.1006-0995.2017.03.022

2016-11-24

西藏自治区自然科学基金项目（2016ZR-15-7）和西藏自治区大学生创新性实验训练计划项目（2015QCX026）资助

肖阳（1994-），男，四川大竹人，本科学生，主要从事地质灾害预测预报研究

叶唐进（1981-），男，贵州铜仁人，副教授，主要从事地质灾害相关方面的研究