一、主成分-逐步回归在滑坡稳定性分析中的应用（论文文献综述）
崔阳阳[1]（2021）在《基于不同评价单元的滑坡易发性评价方法研究 ——以陕西省洛南县为例》文中认为滑坡灾害严重影响社会发展和稳定,在所有地质灾害中占据主导作用,所造成的危害不容忽视。目前国内滑坡防治形势依然严峻,防灾减灾措施仍以预防为主,因此对其进行易发性评价研究是防患于未然的首要选择。本文以陕西省洛南县为研究区,以地质灾害详细调查资料为基础资料,选取滑坡为研究对象,在全面分析研究区滑坡发育特征及分布规律的基础上,以ArcGIS、MATLAB、SPSS等软件为研究工具,开展了不同评价单元条件下（30m栅格单元、60m栅格单元和斜坡单元）基于经典机器学习（NBC模型、LDA模型、SVM模型和KNN模型）与集成学习（Bagging模型、AdaBoost模型和RF模型）的研究区滑坡易发性评价方法对比研究。针对选择的三个评价单元,开展了模型适用性及评价精度分析工作,对政府制订滑坡灾害防治规划以及滑坡易发性区划等宏观决策具有指导意义。取得主要成果如下:（1）在分析研究区滑坡发育特征及分布规律的基础上,选取2处典型的堆积层滑坡,重点剖析了其基本特征及影响因素。结果表明:研究区滑坡发育类型以堆积层滑坡为主;规模以中、小型为主;受降雨和人类工程活动作用明显;并在地域和时间上分别表现出了显着的规律。（2）通过主成分分析、相关性分析以及多重共线性分析对初步选取的评价因子进行了分析,依据分析结果剔除了权重较小或相关性较强的评价因子,保留剩余评价因子统计分析了滑坡与各评价因子之间的关系。结果表明:保留的剩余评价因子对滑坡的控制作用明显,并基于此建立了研究区滑坡易发性评价因子指标体系。（3）分别建立了基于三种不同评价单元的上述7种滑坡易发性评价模型,生成了相应的滑坡易发性评价分区图,并通过数学统计法对评价结果进行了合理性检验。结果表明:三种评价单元在上述7种模型均表现出了较高的预测准确率,并均符合合理性检验的相关标准,说明本次研究所选的评价单元和评价模型均起到了较好的效果且分区合理。（4）分别采用ROC曲线和Kappa系数对三种不同评价单元在上述所选7种模型的预测精度和一致性检验程度进行了对比分析。综合对比得到,本次研究最优的评价单元与评价模型组合为基于30m栅格单元的RF模型,该组合的滑坡易发性分区效果最显着,且预测精度与一致性检验程度均达到了非常高的水平（AUC=0.916,k=0.923）,可作为本次研究预测准确率最高且分区最合理的评价单元与评价模型组合。
王超[2]（2021）在《基于机器学习的滑坡危险性评价研究》文中进行了进一步梳理滑坡是一种常见的地质灾害,威胁着人们生活、工作、学习的环境。四川省山区较多,地形条件复杂,滑坡灾害隐患分布广泛。因此,展开滑坡危险性研究对于降低滑坡灾害带来的损失有着重要意义,还可以为滑坡治理工作提供重要的决策支持和科学依据。本文对滑坡灾害的影响因子进行了分析,提取了滑坡的特征,并对提取的特征进行了处理。从机器学习方法入手,建立了滑坡危险性评价模型,对模型进行了调优,通过对模型评价结果进行验证和对比,选出了表现最优的模型,将其应用于甘洛县的滑坡危险性评价。论文的主要研究内容和成果如下:（1）根据收集到的滑坡数据,对滑坡的影响因子进行了分析,并利用皮尔逊相关系数,检验了影响因子与滑坡危险性之间的相关性。接着从滑坡影响因子中提取了滑坡特征,采用方差膨胀因子对提取的滑坡特征进行了多重共线性检验,结果显示特征之间具有多重共线性,通过主成分分析（Principal Components Analysis,PCA）的方法消除了特征之间的多重共线性。（2）基于机器学习方法,采用支持向量机（Support Vector Machine,SVM）、随机森林算法（Random Decision Forests,RF）、极限梯度提升算法（e Xtreme Gradient Boosting,XGBoost）、Light GBM（Light Gradient Boosting Machine）算法以及Stacking算法,建立了滑坡危险性评价模型,利用网格搜索和交叉验证的方法对模型进行优化,使用准确率、混淆矩阵、Kappa系数等方法对模型进行了评估。经过对所有模型的检验和对比,结果显示基于Stacking的融合模型的滑坡危险性评价准确率为0.95,Kappa系数为0.93,评价效果优于其他模型。（3）将基于Stacking的滑坡危险性评价模型应用于甘洛县的滑坡危险性评价中。评价结果显示,在全县的97个滑坡中,一共有73个滑坡位于滑坡危险性评价的高危险性区域内,占总滑坡的75.26%。滑坡危险性评价结果与实际的滑坡分布相吻合,说明构建的滑坡危险性评价模型效果良好。（4）本文构建的滑坡危险性评价模型得到的评价结果,可以对滑坡危险性情况有一个明确的判断。在滑坡的防治以及滑坡灾害应急治理中,本文研究结果可以成为防灾工作的依据以及治理工程决策的参考。
田乃满,兰恒星,伍宇明,李郎平[3]（2020）在《人工神经网络和决策树模型在滑坡易发性分析中的性能对比》文中认为机器学习模型广泛应用于区域性滑坡易发性分析。模型的选择关系到评价结果的可信度、准确率和稳定性。现有滑坡易发性分析模型对比研究侧重模型的预测精度。模型的稳定性和数据量敏感性对机器学习模型的性能评估同样非常重要。本文以福建省南平市蔡源流域为研究区,以四川省绵阳市北川县为验证区,从预测精度、稳定性和数据量敏感性3个方面深入对比BP（Back Propagation）人工神经网络模型和CART（Classification and Regression Tree）决策树模型在滑坡易发性分析中的效果,主要结论如下:①在逐渐增加一定数量训练样本的过程中,BP人工神经网络模型预测精度的增长率更高。在蔡源流域内,当训练样本数量增加10 000时,BP人工神经网络模型的预测精度上升5.22%,CART决策树模型的预测精度上升2.11%。②BP人工神经网络的预测精度高于CART决策树模型,且较为稳定。在100组数据集上,BP人工神经网络模型验证集预测精度的均值和验证集滑坡样本预测精度的均值分别为81.60%和84.86%,高于CART决策树模型的72.97%和76.59%。与此同时,BP人工神经网络模型对应预测精度的标准差分别是0.32%和0.37%,小于CART决策树模型的0.35%和0.67%。③BP人工神经网络模型分析的滑坡易发区相比CART决策树模型,更接近实际滑坡的空间分布。最后,北川县的验证实验也出现了相同的现象。
胡涛[4]（2020）在《贵州省思南县地质灾害危险性评价研究》文中研究表明贵州省思南县是我国地灾发育的重点监测区域,该区域地形起伏度较大、断层等不良地质特征广泛发育,为当地地灾形成创造了自然条件。该区域的地灾类型主要是滑坡,其次为崩塌。因此,非常有必要对思南县的地灾（尤其是滑坡）的发生机制进行深入分析,对地灾易发性开展预测并进一步开展地灾危险性评价。区域地灾易发性和危险性评价得到了广大科研工作者的大量关注,是地灾领域的热点研究课题。但已有文献显示,已有研究对贵州省内的滑坡失稳机制认识不充分;对县域地灾相关致灾环境因子及各类机器学习模型探索较少;且对县域范围内的崩塌易发性制图尚未有效开展;在滑坡和崩塌易发性评价的基础上,目前还没有研究对贵州省县域范围内的降雨型地灾危险性评价及其基础理论开展深入分析。因此,本文紧扣“贵州省思南县地质灾害危险性评价”这一主题,综合运用工程地质学、空间地理信息学、计算机等学科的相关理论,对思南县的滑坡和崩塌空间分布规律、致灾环境因子获取、滑坡失稳机制、地灾易发性评价和降雨诱发地灾危险性评价等展开系统的研究,取得了如下成果:（1）在对思南县地形地貌、气象水文、地层岩性和工程建设规律等的研究基础上,对思南滑坡和崩塌开展详细调研,掌握了崩塌和滑坡发育规律、时空分布特征及期地质环境特征。（2）利用“3S”技术对思南县地灾相关的致灾环境因子进行了地理空间分析,共获取了地形地貌（高程、坡度、坡向、平面曲率、剖面曲率、地形起伏度和坡长等）、水文环境（距离河流的距离和地表湿度指数）、土地利用（裸土植被指数、归一化植被覆盖率和归一化建筑物分布指数）以及地层岩性（岩土类型以及距离断裂的距离）等14个致灾环境因子,作为地灾易发性和危险性评价的输入变量。且对地灾危险性评价的基础理论和建模过程进行了深入探讨,为后续的地质灾害危险性评价奠定了理论基础。（3）针对滑坡易发性评价建模过程中,传统机器学习模型存在难以深入挖掘输入变量之间的内在本质特征以及缺乏自学习能力等确定,提出一种深度学习算法:稀疏链接编码模型来克服上述传统机器学习模型中的缺点。通过与传统机器学习模型:径向基神经网络和Logistic回归模型作对比分析,结果表明稀疏链接编码模型不但较为准确地预测出了思南县的滑坡易发性分布规律,且具有比径向基神经网络和Logistic回归模型更高的预测精度,可见稀疏链接编码这一深度学习算法相较于传统机器学习模型具有明显的优势。另外对于思南县的滑坡易发性分布规律,可知极高和高滑坡易发区主要分布在高程低于600 m、地表坡度较大且以软质岩类为主的区域;而极低和低滑坡易发区主要分布在高程较高、地表坡度较小且以硬质岩类为主的区域。（4）以思南境内官寨滑坡为例开展地灾稳定性评价研究。结果表明:连续五天降雨包含的四种雨型中,先升后降型发生概率最大,先降后升型发生概率最小;连续五天累积降雨发生概率随降雨量的增大逐步递减。当累积降雨量一定时,滑坡浸润线变化趋势与各自对应雨型的降雨规律基本保持一致。边坡稳定性系数值在持续性降雨作用下逐步降低,其中累积降雨量一定时滑坡稳定性系数在下降型降雨的作用下,在降雨的前四天稳定系数下降最严重;滑坡稳定性系数在上升降雨作用下,在降雨的前四天稳定系数下降最少。另外滑坡稳定性变化率在上升型降雨的作用下呈现逐渐上升的特征;而下降型降雨作用下稳定性变化率在逐渐下降,另外两种雨型作用下的稳定性变化率介于两者之间。（5）针对思南已知的崩塌地质灾害较少而整个思南县待预测的栅格较多这一典型的机器学习建模的小样本问题,提出粒子群算法优化的支持向量机模型并首次用于县域崩塌易发性评价。通过与逻辑回归和径向基神经网络模型作对比分析,结果表明粒子群向量机模型预测精度高于逻辑回归和径向基神经网络模型。可见粒子群向量机模型在小样本工况下很好的提高了机器学习模型的崩塌预测精度。思南县崩塌易发性结果显示:思南县极高和高崩塌易发区主要分布在坡度大于31.1°和剖面曲率大于14.9的区域,同时软质岩类、不良人类工程活动和较大的地表湿度均会加剧崩塌的发生;此外,极低和低崩塌易发区主要分布在坡度较小、地形平坦和植被覆盖度较高的区域。（6）现有研究大多是对单一的滑坡或崩塌易发性进行评价,极少同时对滑坡和崩塌等综合地质灾害类型进行易发性评价。针对这一问题,本文拟提出一种概率统计的思路,在思南县滑坡易发性评价和崩塌易发性评价的基础上通过概率统计预测出思南县地质灾害易发性,并检验地质灾害易发性的精度。（7）针对地灾易发性评价只能确定地灾发生的空间概率,不能根据研究区地灾发生的诱发因素实对地质灾害危险性做出动态的预警。为解决此问题,可将降雨等滑坡和崩塌的诱发因素叠加到地灾易发性评价图上从空间和时间上同时对地灾发生的概率进行预测,实现降雨型地灾危险性评价。本研究首先用深度学习模型预测思南滑坡易发性、并用粒子群向量机模型预测思南县崩塌易发性,通过概率统计计算出思南县地质灾害易发性;然后求得降雨诱发地灾的平均有效降雨强度I和降雨持时D的关系（I-D阈值曲线）;最后将I-D阈值曲线叠加研究区地质灾害易发性分区图,得到思南县降雨型地质灾害的危险性评价级别,并进行精度验证。结果表明:基于临界降雨阈值和地质灾害易发性的地质灾害危险性评价方法所得到的结果与实际情况符合,能够精确高效的反应降雨诱发地质灾害发生的空间和时间概率。
王智伟[5]（2020）在《黄土滑坡多源异构监测数据融合算法研究》文中提出我国黄土地区滑坡灾害频发,严重损害当地人民的生命财产安全,给生态环境和自然资源等造成不可挽回的损失。滑坡变形受多种影响因素共同作用,仅仅依靠单个类型传感器的监测信息来判断滑坡的状态,一定程度上降低了判断结果的准确性。多源数据融合技术能对各监测数据进行综合分析,有效提高滑坡状态判断的准确性。因此,本文在深入学习黄土滑坡变形监测理论和数据处理方法的基础上,以甘肃省永靖县黑方台党川滑坡为例,通过对黄土滑坡多源异构监测数据的分析,研究了多源异构监测数据的预处理方法,提出了两种适用于黄土滑坡多源异构监测数据的融合算法,并对融合后的结果进行了分析。本文的主要研究内容及成果具体如下:（1）介绍了滑坡变形监测领域中多源数据融合的基本理论,包括多源数据融合的定义、基本原理以及多源数据融合的时间性与空间性等问题,分析了多源数据融合的结构、级别以及存在的若干问题。（2）研究了滑坡监测中常用的五种无线传感器的原理和特点,并以BD-LX10型号位移计为例,利用C++编程语言实现了对该型号位移计原始数据流的解码;通过在甘肃省永靖县黑方台党川滑坡变形监测中的实际应用,实时获取了DCF10监测点处的形变信息,并提前2天发布了预警信息。（3）针对滑坡监测多源数据存在的不一致性、不完整性、含噪声以及差异性等问题,研究了多源异构监测数据预处理方法,包括异常数据的剔除、缺失数据的补全、数据的平滑处理以及数据标准化处理,并利用实测数据进行了分析。结果表明:拉依达准则和肖维勒准则对异常位移数据的剔除效果优于格拉布斯准则;拉格朗日插值法对缺失位移数据的补全效果最好;简单滑动平均法和加权滑动平均法对位移数据的平滑效果比Savitzky-Golay平滑法的效果好;Z-Score标准化、最大最小值标准化、Decimal scaling小数定标标准化这三种标准化处理方法对温度数据的处理效果相当。（4）针对黄土滑坡多源异构监测数据融合问题,提出了基于主成分-逐步回归分析的多源异构监测数据融合模型和基于BP神经网络的多源异构监测数据融合模型。实验结果表明:主成分-逐步回归模型曲线能在一定程度上反映及预测滑坡的变化趋势;BP神经网络数据融合模型适用于具有多源异构监测数据的滑坡变形预测,在利用各环境因子变量和滑坡位移变化量的相关性及显着性进行环境因子变量筛选后,BP神经网络数据融合模型的决定系数达到0.985,RMSE达到0.4787 mm,从而有效提高了变形预测结果的精度。
陈源[6]（2020）在《三峡库区八字门滑坡变形机理与影响因素敏感性分析》文中指出自从2003年6月三峡库区首次蓄水以来,库区范围内的地质灾害屡见不鲜,其中以滑坡灾害为主,造成了较大的经济损失和人员伤亡。本文以三峡库区八字门滑坡为研究对象,依据滑坡的勘查报告、专业监测资料等,对滑坡的变形机理、变形特征进行研究分析,结合Geo-Studio软件进行数值模拟,分析在不同的库水位的升降速率和降雨工况下,滑坡体内的渗流场和稳定性系数的变化规律,并运用数理统计中的正交试验设计法,对滑坡稳定性影响因素进行敏感性分析。研究内容与成果如下:1)结合2004-2018年的八字门滑坡的专业监测资料、勘查报告,对库水位的涨落、大气降雨对滑坡的影响进行研究分析,得出如下结论:（1）滑坡的中后部的变形破坏程度大于其它部位。（2）滑坡整体的位移呈典型的“阶跃”式递增,每年的5-7月份滑坡整体位移量陡增,在此期间内,滑坡月位移量一般为50mm左右,最大可达到170mm左右（2012年6-7月份）,同年其它月份,滑坡位移量较小,滑坡月位移量均在20mm以下。（3）滑坡位移量陡增期间,正处于库水位快速消落阶段,在时间上吻合程度较高,库水位的下降是引起滑坡产生大幅度位移的主导因素。（4）降雨量的增减不一定会引起滑坡位移量的增减,例如:2009年的年降雨量为863.6mm,滑坡的年位移量约为250mm;而2015年的年降雨量达到1234mm,滑坡的年位移量约为150mm。降雨对滑坡变形是一种“辅助式”影响。2)由于三峡库区库水位升降规律为骤升缓降,在对处于库水位下降期和库水位上升期的滑坡进行数值模拟时,将前者库水位下降速率定为0.6-1.2m/d,后者库水位上升速率定为0.5-2m/d。结果表明:在库水位下降期,当库水位下降速率从0.6m/d升至1.2m/d时,滑坡体内的浸润线将与坡外库水位形成一定高度的水头差,产生指向坡外的动水压力作用,动水压力作用的增强幅度,随着库水下降速率的增加而增大,此时滑坡的稳定性也将逐渐降低;在库水位上升期,当库水位上升速率从0.5m/d升至2m/d时,将会产生指向坡内动水压力作用,动水压力作用的增强幅度,随着库水上升速率的增加而增大,此时滑坡的稳定性将逐步增强。3)以正交试验设计法为分析基础,将滑带土的内摩擦角φ和粘聚力c、库水位升（降）速率V、滑体重度γ、降雨量T作为影响因素,稳定性系数Fs作为评价指标,对滑坡的稳定性进行敏感性分析。结果表明:在库水位处于低水位上升期和高水位下降期时,滑坡的稳定性对滑带土的内摩擦角φ和粘聚力c、库水位升（降）速率V的敏感程度较高;而滑坡的稳定性对滑体重度γ、降雨量T的敏感程度有所不同。
何朝阳[7]（2020）在《滑坡实时监测预警系统关键技术及其应用研究》文中指出监测预警是地质灾害防灾减灾的重要手段,监测是预警的基础,预警是监测的目的。近年来,国内外学者对滑坡监测预警的方法技术体系进行了深入研究,取得了大量的研究成果。但总体上,地理与地质结合不够紧密,监测预警模型很难充分考虑滑坡变形过程和成灾机理,难以取得较高的预警精度,研发的监测预警系统也难以满足数以万计隐患点实时监测预警的实战需求。已有的研究成果还难以有效地解决地质灾害“什么时间可能发生”、“力争实现提前3个小时预警”的任务。如何提高滑坡监测预警能力,我们面临诸多挑战:如何提高滑坡监测预警精度?如何将理论研究成果应用到实际的监测预警中,构建一套可业务化大规模应用的滑坡实时监测预警系统?基于此,本论文系统总结作者近10年来在监测预警方面的实践成果,采用云计算与物联网等先进技术,构建滑坡监测预警云平台,整合与管理滑坡地质灾害演化全过程的各类资料,研发并行高效的多源异构监测数据汇聚平台,集成多源异构实时监测数据,形成天-空-地多元立体监测数据中心;综合分析2.1万余台（套）监测设备、超过1.26亿条监测数据的实测曲线,总结划分监测曲线类型,构建监测设备可靠度评价体系,研究滑坡过程预警模型及其实现的关键技术,在此基础上,构建一套混合架构（B/S架构、C/S架构、移动App）的滑坡实时监测预警系统,实现了地质与地理、空间与属性相结合的滑坡演化全过程一体化管理,利用计算机手段对滑坡实施全过程动态跟踪的“过程预警”,有效地提高了滑坡预警精度。本文取得主要成果如下:（1）构建滑坡“过程预警”模型及其自动求解算法:结合变形速率、速率增量、改进切线角三个参数,构建基于滑坡变形演化过程的“过程预警”模型,从滑坡变形监测数据入手,划分监测曲线类型,研究滑坡变形演化阶段的自动识别理论及计算机技术,实现对滑坡全过程动态跟踪预警;（2）构建监测设备可靠度建立评价体系和多设备联动预警机制:通过动态对监测设备可靠度进行评价,结合联动预警机制,评价预警结论可信度,以提升监测预警的成功率,利用计算机技术自动识别滑坡的变形演化过程,实现自动、实时的“过程预警”,为预警模型的业务化、自动化运行提供理论与技术支撑;（3）提出监测数据自动处理方法:研究实测监测数据的预处理方法,为计算机自动处理监测数据提供相关的算法。通过设置监测数据过滤器和采用拉依达准则实现对异常数据的初步过滤与粗差处理,再结合数据特征,分别采用移动平均法与最小二乘法对数据进行拟合,识别数据表现出来的变形趋势。基于监测数据曲线特征自动选择相应的数据处理方法,为后续预警模型计算提供更为准确的数据,提高预警精度;（4）构建实时高效的监测数据集成与共享统一管理平台:结合物联网、消息队列、负载均衡等技术,研究监测数据编码体系,提出一套基于MQTT协议的实时监测数据传输与集成方案,实现多源异构监测数据终端集成和监测数据采集、传输及汇集融合一体化管理,为监测预警提供实时数据保障;（5）构建基于策略的滑坡实时过程预警技术:从模型的计算、预警的发布与解除等方面,将滑坡预警的理论模型与实际应用相结合,研发预警等级求解器,构建基于策略的预警模型通用计算框架,并从预警信息发布技术及发布策略方面进行总结,实现对滑坡的实时过程预警;（6）构建滑坡变形演化全过程一体化数据管理平台:基于“天-空-地”滑坡多元立体观测技术,采用WebGL技术跨平台的三维数字地球,提供直观、真实的三维实景漫游平台,实现海量基础数据、实时监测数据、视频的集成管理与共享,也为实时监测预警系统提供一个功能强大、数据丰富的三维展示平台,构建基于滑坡演化全过程的一体化数据管理体系和滑坡综合信息模型,为滑坡的专家预警决策提供数据支撑;（7）研发混合架构体系的滑坡实时监测预警系统:综合集成上述研究成果,研究混合架构体系（B/S、C/S、移动端）,基于微服务研发滑坡实时监测预警系统,各个架构系统密切配合,针对不同的功能需求,充分发挥各架构的优势,构建数据综合展示统一平台,为过程预警模型提供技术解决方案,实现滑坡监测预警的业务化运行,为滑坡的防治、应急、抢险等提供基础数据支撑与预警信息服务。
孙晓慧[8]（2020）在《快速隆升金沙江上游典型河段滑坡敏感性与风险性区划研究 ——以徐龙-奔子栏河段为例》文中研究说明滑坡是国内丘陵山地最常发生的自然地质灾害之一。近些年来,我国的经济水平稳定快速提升,在全球已经跃居为第二大经济体。伴随着经济的快速发展,许多以前人迹罕至的地区,也陆续的开展了相应的基础建设与各类工程活动,因此,对这些地区进行滑坡等自然灾害的相关评价已经十分必要。受到板块运动的影响,青藏高原东南缘在快速隆升的作用下,高程从4,000 m快速下降至1,500 m,区内水力资源丰富。金沙江上游河段就位于青藏高原快速隆升的区域内,区内地质构造活动强烈、地形起伏巨大、气候特征复杂,滑坡等灾害频发。因此,对金沙江上游地区进行滑坡灾害的相关评价,对保证当地人民财产安全与水力资源的安全开发具有十分重大的现实意义。本文对金沙江上游徐龙-奔子栏河段滑坡灾害的分布特征、敏感性与风险性进行研究,可对研究区内旭龙水电站与奔子栏水电站的安全建设,提供指导性意见。论文主要成果如下:（1）基于典型滑坡的基本形态特征,建立了基于地形地貌特征、可见光学遥感解译、InSAR技术解译与现场调查相结合的研究区滑坡空间调查方法,共在研究区内50 km河段内确定滑坡、不稳定堆积体等共61处,其中定曲河两岸的滑坡共有14处,右岸确定滑坡5处,左岸确定滑坡9处;金沙江主干河流两侧滑坡共47处,右岸确定滑坡24处,左岸确定滑坡23处,滑坡总面积约38.85 km2,滑坡总体积约1.96×109 m3,并制作了研究区滑坡编录图。结合研究区内的工程地质条件,分析滑坡的规模和成因机制,结果表明该区域内滑坡规模以中层-巨厚层的大型-巨型滑坡（堆积体）为主,研究区滑坡成因机制主要有五种,其中以弯曲-拉裂型（39处）与蠕滑-拉裂型（13处）占比最高。对影响滑坡成因机制的地层岩性、地质构造特征进行分析,发现研究区滑坡主要发生于金沙江构造结合带上,该构造带上的标志性产物金沙江蛇绿岩套,岩体破碎、产状近直立、为板片状岩层,滑坡极易发生。对比测年数据,确定研究区内滑坡基本都发生于晚更新世以来的青藏高原快速隆升时期,隆升速率可达5 mm/a。通过对比研究区滑坡发生年代与冰期划分结果,发现研究区滑坡的发生与冰期也具有一定的联系。（2）通过总结滑坡敏感性评价常用的制图单元,分别选取了基于水文分析法与曲率分水岭法划分的斜坡单元作为本文所用的制图单元,通过对两种制图单元定性与定量的比较发现,基于曲率分水岭法划分的斜坡单元可以识别水平地表与倾斜地表,且划分的斜坡单元面积大小更为集中,形状大多介于等腰三角形与正方形之间,很少出现长条形单元,单元内部坡度与坡向变化更小,内部更均一。（3）基于地质环境分析与相关研究,选取岩性、构造、地形、植被、河流、降雨与地震7个大类,共计14个子评价指标作为研究区滑坡敏感性区划的评价指标。对研究区特殊地质特征:立体气候特征与快速隆升特征进行考虑。采用山地降雨经验公式对研究区降雨垂直分布规律进行拟合,采用斯特拉勒积分值表征单元内部内外营力的对抗作用。采用确定性系数分析研究区滑坡分布特征与评价指标关联性。运用主成分分析法,分析14个评价指标相关性,进行主成分提取,将包含14个预选评价指标的评价指标系统,转变为包含7个主成分的新的评价指标系统。（4）选取Logistics Regression模型、随机森林模型以及人工神经网络模型,并基于五折交叉验证、统计参数、Kappa系数以及AUC值,对研究区滑坡敏感性区划模型进行优选,优选结果显示,不论是基于水文分析法还是基于曲率分水岭法划分的斜坡单元,对研究区滑坡敏感性评价表现最好的都为随机森林模型。（5）对比两种斜坡单元的评价结果发现,两种斜坡单元对研究区滑坡敏感性的预测精度相差不大,预测能力基本相同。但是针对两种斜坡单元的划分原理、划分过程、面积分布、单元形状、单元内部均一程度以及后续人工修改的工作量等多方面进行考虑,建议在相关的评价分析中可以优先考虑采用曲率分水岭法进行斜坡单元的划分。（6）针对研究区内滑坡进行敏感性区划,区域内滑坡敏感性可以划分为以下5个等级:极低、低、中、高、极高敏感性,评价结果表明两种斜坡单元的滑坡敏感性区划图敏感性等级在极高、高敏感性区域所占滑坡面积均超过滑坡总面积的85%,表明本文基于两种斜坡单元制作的研究区滑坡敏感性区划图都较为合理。（7）采用两种斜坡单元,选取人口密度、人均收入、建筑物密度、道路密度与耕地密度五个评价指标,结合层次分析法评价区域内滑坡易损性,评价结果发现,研究区内主要以极低-低易损性等级为主,占研究区总面积的90%±。中-极高易损性等级区域主要集中于金沙江与定曲河两岸的行政村中。（8）基于研究区滑坡敏感性与易损性区划结果,评价滑坡风险性,结果显示研究区内滑坡风险性等级为极低-低的区域占研究区总面积的90%以上。中-极高风险性等级的区域主要位于从金沙江上游依次向下游分布的徐龙乡、茂顶村、奔子栏等行政村中,因此,建议在这些地区加强滑坡灾害的监测与防治工作。
郭媛媛[9]（2019）在《水库型滑坡水动力加卸载效应及稳定性演化规律研究 ——以八字门滑坡分析为例》文中研究表明三峡库区地表起伏、地形高低悬殊、地貌复杂多样,是水库型滑坡地质灾害爆发的高频地带。其中,多数滑坡灾害源于坡内地下水位受坡外库水位升降影响产生的动态变化导致坡体渗流场和应力场失去现有平衡,继而对边坡的安全稳定产生威胁。因此,研究掌握水库型滑坡在库水位涨落条件下的失稳破坏机理和稳定性演化趋势是国内外工程地质等相关领域学者广泛关注的课题,也是三峡库区滑坡灾害预防治理方面亟待解决的问题。本文以三峡库区典型堆积层滑坡-八字门滑坡为主要研究对象,根据渗流基本原理研究了滑坡岩土体渗透系数k与库水位升降速率v对边坡稳定性的影响规律。同时运用Geostudio有限元模拟软件深入分析了不同k/v工况下边坡渗流场、应力场、位移场及稳定性的演化规律。在此基础上,运用加卸载位移响应比理论,以库水位变化作为水库型堆积层滑坡加卸载动力参数,以位移变化作为其加卸载响应参数,以此建立了加卸载位移响应比模型,并结合八字门滑坡库水位与监测点位移变形量的实际监测数据,研究了滑坡加卸载位移响应比参数的变化规律及其与稳定性系数的关系。通过上述分析研究,得到了以下的认识:（1）浸润线的分布与k、v因素有关,故可通过分析各土条受力情况确定k、v与下滑力之间的关系。因此,可将渗透系数与库水位升降速率的耦合参数k/v作为滑坡渗流稳定的主要影响参数。（2）靠椅形、直线形、折线形、弧线形四类滑面形态滑坡,在库水位升降过程中,当k/v<1时,坡内浸润线呈凹凸状,渗流场类型为内排或外排型;当k/v>1时,坡内浸润线走势平缓,渗流场类型为准同步型。（3）采用Geostudio有限元模拟软件分析了不同k/v工况下坡内最小有效应力、X方向、Y方向以及XY方向的位移变形量和稳定性系数随库水位升降的变化趋势,确定了滑坡内部应力场、位移场及稳定性的演化规律,并划分了各类滑面形态滑坡在库水位升降作用下的加卸载区间。（4）以湖北省秭归县八字门滑坡为实例,运用加卸载位移响应比评价模型,对该滑坡关键部位监测点ZG110与ZG111进行了加卸载位移响应比的计算,通过与Geostudio有限元软件模拟的边坡稳定性系数进行对比分析,明确了该滑坡关键部位加卸载位移响应比参数与其稳定性系数存在严格的负相关关系,即当加卸载位移响应比等于1时,其对应的边坡稳定性系数偏大,表明边坡处于小变形的稳定阶段;当边坡加卸载位移响应比大于1,且远离1越多时,其对应的稳定性系数越小。
刘文强[10]（2019）在《基于立体监测的公路滑坡变形机理与工程防治研究 ——以贵州省余凯高速公路滑坡为例》文中指出公路建设在国民经济的发展中占有及其重要的作用,在山地丘陵地区,修建公路不可避免地要对原始边坡进行开挖,开挖后的边坡在诱发因素的作用下极易形成公路滑坡地质灾害。鉴于此,针对公路滑坡开展立体密集多点变形监测,基于监测数据进行公路滑坡变形机理与工程防治研究具有十分重要的现实意义和工程应用价值。本文以贵州省余凯高速公路滑坡为典型工程案例,通过详细的现场地质调查和原位变形监测,构建滑坡空间地质模型,建立了滑坡立体密集多点监测系统,运用大地测量方法对滑坡空间变形开展长期监测。结合勘察资料和监测数据,开展该公路滑坡时空演化过程分析,通过因子分析和回归分析揭示了该公路滑坡变形机理。基于监测信息开展滑坡防治工程信息化施工与抗滑桩优化设计,提出了一种改进的抗滑桩平面布设优化设计方法。主要研究成果如下:（1）在现场详细调查的基础上,构建滑坡空间地质模型,通过立体多点监测系统开展长期滑坡变形监测数据,具体分析滑坡的时空演化过程。累积地表位移和位移速率随时间的变化曲线均具有明显的阶跃型特征,将滑坡变形过程分为三个阶段:初始变形阶段、急剧变形阶段和渐趋稳定阶段。开挖成型后的边坡暴露出大量临空面,受工程开挖和降雨的影响,发生蠕动变形。雨季到来之后,在强降雨的影响下,滑体发生较大的滑动,局部形成明显的滑带。监测结果显示,在防治工程施工期间,会对已经渐趋稳定的滑坡体造成扰动,有微小位移产生,故有必要开展持续的监测。地表位移监测结果表明,各监测点位移方向有明显的集中趋势,监测期间最终状态下滑坡主滑方向约SW207°。（2）根据钻孔揭露的地层情况和监测数据综合确定滑带位置。根据现场调查揭露的岩层产状、钻孔揭露的软弱夹层分布及深部变形监测数据,分析可能的滑带分布为:后缘沿拉张节理发育为主,中段滑动面沿风化界线、软弱夹层、岩层面发育为主;滑坡体前缘位移较小,没有明显的滑带贯穿,但前缘组成松散粉质粘土和碎石堆积体,抗滑力较小,不能平衡下滑力,潜在滑面沿层面发育为主并向阻抗最薄弱的部位剪出。（3）该公路滑坡的三个主要影响因素分别为工程开挖、降雨和不良地质因素。运用因子分析法和回归分析法对降雨因子和工程开挖因子开展定量评价,研究表明工程开挖和降雨是该滑坡形成的主要外在诱发因素。降雨是该滑坡最主要的影响因素,因子分析结果显示前一个月降雨量对滑坡当月变形量的影响要比当月降雨量的影响大。滑坡体主要由泥岩组成,强风化岩层、软弱夹层和断层破碎带广泛存在,不良地质条件是滑坡发育的物质基础。回归分析结果表明,滑坡体地表位移量与工程开挖距离之间具有明显的线性关系,滑坡体后缘变形量明显大于坡脚。经快速傅里叶变换（FFT）运算为期25个月的滑坡地表位移数据得到趋势项位移和具有波动性的周期项位移,运用时间序列模型开展变形预测,揭示滑坡变形趋势基本趋于稳定。通过残差序列求得的预测误差分布在-2%3%以内,总体来说预测结果较好。（4）根据滑坡稳定性评价结果,开展工程防治方案初步设计。基于详细的滑坡勘察资料和监测数据反馈的滑坡不同演化阶段体现的时空变形特征,来指导滑坡防治工程信息化施工,先后采用了削方、挡土墙、锚索格构梁、排水工程和抗滑桩的综合防治方案。对防治效果进行跟踪评价,结果表明采取的工程防治措施有效的控制该公路滑坡的变形。提出了一种基于改进的非规则滑坡推力计算方法的抗滑桩平面布设优化设计方案,结果表明,与传统的抗滑桩平面布置方案相比,在保证安全的前提下,优化后的方案可使所需抗滑桩的数量减少28.6%。通过监测数据和理论计算的对比,验证了该非规则滑坡推力计算方法的适用性。
二、主成分-逐步回归在滑坡稳定性分析中的应用（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、主成分-逐步回归在滑坡稳定性分析中的应用（论文提纲范文）
（1）基于不同评价单元的滑坡易发性评价方法研究 ——以陕西省洛南县为例（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 选题背景及研究意义 |
| 1.1.1 选题背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 滑坡易发性评价单元研究现状 |
| 1.2.2 滑坡易发性评价模型研究现状 |
| 1.3 研究内容、方法及技术路线 |
| 1.3.1 研究内容 |
| 1.3.2 研究方法 |
| 1.3.3 技术路线 |
| 2 研究区自然地理与地质环境概况 |
| 2.1 自然地理概况 |
| 2.1.1 地理位置 |
| 2.1.2 气象水文 |
| 2.2 地质环境 |
| 2.2.1 地形地貌 |
| 2.2.2 地层岩性 |
| 2.2.3 地质构造 |
| 2.2.4 新构造运动与地震 |
| 2.2.5 岩土体类型与基本特征 |
| 2.2.6 水文地质特征 |
| 2.2.7 人类工程活动 |
| 3 研究区滑坡发育特征及规律 |
| 3.1 滑坡发育类型 |
| 3.2 滑坡发育特征 |
| 3.3 滑坡分布规律 |
| 3.3.1 地域分布规律 |
| 3.3.2 时间分布规律 |
| 3.4 典型灾害分析 |
| 3.4.1 对门塬滑坡 |
| 3.4.2 和谐岭滑坡 |
| 4 评价单元与评价因子分析 |
| 4.1 评价单元选择 |
| 4.1.1 评价单元概述 |
| 4.1.2 评价单元划分 |
| 4.2 评价因子选取 |
| 4.2.1 评价因子选取原则 |
| 4.2.2 数据源准备 |
| 4.2.3 评价因子选取 |
| 4.2.4 评价因子图层制作 |
| 4.3 评价因子分析 |
| 4.3.1 主成分分析 |
| 4.3.2 相关性分析 |
| 4.3.3 多重共线性分析 |
| 4.3.4 滑坡易发性评价因子分析 |
| 5 滑坡易发性评价及结果对比 |
| 5.1 滑坡易发性评价 |
| 5.1.1 数据处理 |
| 5.1.2 评价模型简介 |
| 5.1.3 评价过程及结果 |
| 5.2 评价结果对比 |
| 5.2.1 合理性检验 |
| 5.2.2 精度检验 |
| 5.2.3 对比结果 |
| 6 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 附录 |
（2）基于机器学习的滑坡危险性评价研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 滑坡影响因子研究现状 |
| 1.2.2 滑坡危险性评价研究现状 |
| 1.3 研究内容和技术路线 |
| 1.3.1 主要研究内容 |
| 1.3.2 技术路线 |
| 1.4 论文主要创新点 |
| 1.5 论文结构安排 |
| 第二章 数据与方法 |
| 2.1 滑坡危险性评价的机器学习方法 |
| 2.1.1 支持向量机 |
| 2.1.2 随机森林 |
| 2.1.3 XGBoost |
| 2.1.4 Light GBM |
| 2.1.5 Stacking |
| 2.2 模型精度评价方法 |
| 2.3 皮尔逊相关系数 |
| 2.4 方差膨胀因子 |
| 2.5 研究区概况 |
| 2.6 数据收集与处理 |
| 2.7 本章小结 |
| 第三章 滑坡灾害影响因子分析 |
| 3.1 滑坡影响因子分析 |
| 3.1.1 自然环境因子 |
| 3.1.2 地形地貌因子 |
| 3.1.3 地质因子 |
| 3.1.4 人类活动因子 |
| 3.1.5 其他影响因子 |
| 3.2 滑坡影响因子的主要特征信息提取 |
| 3.2.1 多重共线性检验 |
| 3.2.2 主成分特征信息提取 |
| 3.3 本章小结 |
| 第四章 基于机器学习的滑坡危险性评价模型 |
| 4.1 数据预处理 |
| 4.2 模型构建与优化 |
| 4.2.1 基于SVM的滑坡危险性评价模型 |
| 4.2.2 基于随机森林的滑坡危险性评价模型 |
| 4.2.3 基于XGBoost的滑坡危险性评价模型 |
| 4.2.4 基于Light GBM的滑坡危险性评价模型 |
| 4.2.5 基于Stacking的滑坡危险性评价模型 |
| 4.3 模型精度验证 |
| 4.4 滑坡影响因子重要性验证 |
| 4.5 模型的应用 |
| 4.6 本章小结 |
| 第五章 总结与展望 |
| 5.1 工作总结 |
| 5.2 工作展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间取得的成果 |
（3）人工神经网络和决策树模型在滑坡易发性分析中的性能对比（论文提纲范文）
| 1 引言 |
| 2 研究方法 |
| 2.1 BP人工神经网络模型 |
| 2.2 CART决策树模型 |
| 3 研究区概况与数据来源 |
| 3.1 研究区概况 |
| 3.2 滑坡影响因子 |
| 3.2.1 地形孕灾因子 |
| 3.2.2 其他孕灾因子 |
| 3.3 数据去相关处理 |
| 4 模型对比分析 |
| 4.1 模型参数设置 |
| 4.2 数据量敏感性分析 |
| 4.3 模型精度和稳定性分析 |
| 4.4 空间特征分析 |
| 4.5 实验验证 |
| 4.5.1 验证区概况和孕灾因子 |
| 4.5.2 数据量敏感性分析结果 |
| 4.5.3 预测精度和稳定性 |
| 4.5.4 滑坡易发性空间分布 |
| 5 结论 |
（4）贵州省思南县地质灾害危险性评价研究（论文提纲范文）
| 作者简历 |
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 选题背景及研究意义 |
| 1.2 国内外研究现状及存在的问题 |
| 1.2.1 遥感和GIS技术获取地质灾害环境因子的研究现状 |
| 1.2.2 区域地质灾害易发性评价研究现状分析 |
| 1.2.3 降雨型滑坡失稳机制研究现状分析 |
| 1.2.4 诱发地灾的临界降雨阈值计算模型综述 |
| 1.2.5 地灾危险性评价的研究现状 |
| 1.3 研究内容及技术路线 |
| 1.3.1 研究内容 |
| 1.3.2 技术路线和研究思路 |
| 1.3.3 本文主要创新点 |
| 第二章 思南自然地质环境特征 |
| 2.1 思南地理位置及地形地貌 |
| 2.2 思南气象水文及土地利用 |
| 2.2.1 气象水文信息 |
| 2.2.2 思南土地利用信息 |
| 2.3 思南地层岩性分析 |
| 2.3.1 地层岩性 |
| 2.3.2 岩土工程性质及水文性质 |
| 2.4 思南地质构造 |
| 第三章 思南滑坡及崩塌地质灾害基本特征 |
| 3.1 基于遥感和GIS的地理空间分析及应用 |
| 3.1.1 基于遥感和GIS的地理空间分析原理 |
| 3.1.2 数字高程模型和Landsat TM8 影像分析 |
| 3.2 思南县滑坡发育特征分析 |
| 3.3 思南县崩塌发育特征 |
| 3.4 思南地灾时空分布特征分析 |
| 3.4.1 地灾平面分布 |
| 3.4.2 地灾空间分布 |
| 3.4.3 地灾时间分布 |
| 3.4.4 思南县重大地灾特征及危害 |
| 3.5 RS和GIS获取滑坡和崩塌致灾环境因子 |
| 3.5.1 地形地貌因子分析 |
| 3.5.2 水文因子分析 |
| 3.5.3 土地利用因子 |
| 3.5.4 地层岩性因子 |
| 第四章 基于深度学习模型的滑坡易发性评价 |
| 4.1 深度学习模型预测滑坡易发性的研究思路 |
| 4.2 稀疏链接编码模型预测滑坡易发性过程 |
| 4.2.1 频率比分析 |
| 4.2.2 稀疏链接编码模型简介 |
| 4.2.3 径向基神经网络模型 |
| 4.2.4 逻辑回归模型 |
| 4.3 滑坡环境因子频率比分析 |
| 4.3.1 思南县滑坡灾害概况 |
| 4.3.2 基于遥感和GIS的思南县滑坡影响因子选取 |
| 4.3.3 滑坡影响因子的频率比分析 |
| 4.4 思南滑坡易发性评价结果分析 |
| 4.4.1 稀疏链接编码建模的空间数据库 |
| 4.4.2 稀疏链接编码预测滑坡易发性结 |
| 4.4.3 RBFNN模型预测滑坡易发性 |
| 4.4.4 Logistic回归模型建模过程 |
| 4.4.5 各模型预测结果分析 |
| 4.5 本章小结 |
| 第五章 不同降雨概率及雨型作用的滑坡稳定性研究 |
| 5.1 降雨型滑坡稳定性研究思路 |
| 5.2 降雨概率统计及滑坡稳定性计算理论 |
| 5.2.1 连续五天降雨概率统计 |
| 5.2.2 滑坡饱和非饱和渗流理论 |
| 5.2.3 稳定性计算理论 |
| 5.3 官寨滑坡及其地质模型 |
| 5.3.1 官寨滑坡概述 |
| 5.3.2 官寨滑坡地质模型 |
| 5.4 各工况下滑坡渗流场与稳定性分析 |
| 5.4.1 滑坡计算工况及边界条件 |
| 5.4.2 不同雨型及累积降雨量的渗流场 |
| 5.4.3 不同雨型及降雨量稳定性分析 |
| 5.5 本章小结 |
| 第六章 基于粒子群向量机的思南崩塌易发性评价 |
| 6.1 思南崩塌易发性预测的研究思路 |
| 6.2 粒子群向量机模型理论简介 |
| 6.2.1 统计学习理论及结构风险最小化 |
| 6.2.2 支持向量机 |
| 6.2.3 粒子群向量机 |
| 6.3 思南崩塌及建模环境因子 |
| 6.3.1 思南地理及崩塌概况 |
| 6.3.2 思南崩塌的基础影响因子分析 |
| 6.4 粒子群向量机预测思南崩塌易发性 |
| 6.4.1 崩塌易发性评价建模流程 |
| 6.4.2 粒子群向量机预测崩塌易发性 |
| 6.4.3 RBFNN评价思南县崩塌易发性 |
| 6.4.4 逻辑回归模型评价崩塌易发性 |
| 6.4.5 各模型的崩塌预测结果分析 |
| 6.5 本章小结 |
| 第七章 思南地质灾害危险性评价研究 |
| 7.1 地质灾害危险性评价思路 |
| 7.2 思南县地质灾害易发性评价 |
| 7.2.1 思南县地质灾害易发性评价 |
| 7.2.2 思南地质灾害易发性评价 |
| 7.3 思南地灾临界降雨阈值计算 |
| 7.4 思南地灾危险性评价及讨论 |
| 7.4.1 地灾危险性评价分级 |
| 7.4.2 地灾危险性评价实例验证 |
| 7.5 本章小结 |
| 第八章 结论和展望 |
| 8.1 结论 |
| 8.2 研究展望 |
| 致谢 |
| 参考文献 |
（5）黄土滑坡多源异构监测数据融合算法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.3 本文主要研究内容和组织结构 |
| 第二章 多源数据融合技术概述 |
| 2.1 多源数据融合的定义 |
| 2.2 多源数据融合的基本概念 |
| 2.2.1 多源数据融合的基本原理 |
| 2.2.2 多源数据融合的时间性与空间性 |
| 2.3 多源数据融合的结构 |
| 2.3.1 集中式融合结构 |
| 2.3.2 分布式融合结构 |
| 2.3.3 混合式融合结构 |
| 2.4 多源数据融合的级别 |
| 2.4.1 数据级融合 |
| 2.4.2 特征级融合 |
| 2.4.3 决策级融合 |
| 2.5 多源数据融合存在的问题及研究方向 |
| 2.5.1 多源数据融合存在的问题 |
| 2.5.2 多源数据融合的研究方向 |
| 2.6 本章小结 |
| 第三章 滑坡监测中常用的无线传感器及其特点 |
| 3.1 常用的无线传感器滑坡监测技术 |
| 3.1.1 GNSS实时监测 |
| 3.1.2 位移计实时监测 |
| 3.1.3 雨量计实时监测 |
| 3.1.4 土壤湿度计实时监测 |
| 3.1.5 渗压计实时监测 |
| 3.2 滑坡监测技术无线通信传输方法 |
| 3.2.1 GPRS技术 |
| 3.2.2 LoRa技术 |
| 3.2.3 扩频通信 |
| 3.2.4 卫星通信 |
| 3.2.5 短波通信 |
| 3.3 BD-LX10型号位移计数据解码方法 |
| 3.3.1 数据解码 |
| 3.3.2 解码数据正确性验证 |
| 3.3.3 工程应用及分析 |
| 3.4 本章小结 |
| 第四章 滑坡监测多源异构数据预处理方法研究 |
| 4.1 异常数据处理方法 |
| 4.1.1 异常数据的常用剔除方法 |
| 4.1.2 异常数据的剔除实例分析 |
| 4.2 缺失数据处理方法 |
| 4.2.1 缺失数据的补全方法 |
| 4.2.2 缺失数据的补全实例分析 |
| 4.3 数据的平滑处理 |
| 4.3.1 数据平滑处理方法 |
| 4.3.2 数据平滑处理实例分析 |
| 4.4 数据标准化处理 |
| 4.4.1 数据标准化处理方法 |
| 4.4.2 数据标准化处理实例分析 |
| 4.5 本章小结 |
| 第五章 滑坡监测多源异构数据融合方法 |
| 5.1 多源异构监测数据融合方法 |
| 5.1.1 主成分分析法 |
| 5.1.2 逐步回归法 |
| 5.1.3 BP神经网络模型 |
| 5.1.4 卡尔曼滤波算法 |
| 5.2 基于主成分-逐步回归分析的多源异构监测数据融合算法 |
| 5.2.1 数据来源 |
| 5.2.2 主成分分析 |
| 5.2.3 主成分-逐步回归分析 |
| 5.2.4 模型精细分析 |
| 5.3 基于BP神经网络的多源异构监测数据融合算法 |
| 5.3.1 数据来源 |
| 5.3.2 模型建立 |
| 5.3.3 模型实现 |
| 5.4 本章小结 |
| 总结与展望 |
| 总结 |
| 展望 |
| 参考文献 |
| 攻读学位期间取得的研究成果 |
| 致谢 |
（6）三峡库区八字门滑坡变形机理与影响因素敏感性分析（论文提纲范文）
| 内容摘要 |
| abstract |
| 1 绪论 |
| 1.1 选题背景与研究意义 |
| 1.2 国内外研究现状 |
| 1.3 研究内容及技术路线 |
| 2 研究区域地质环境概况 |
| 2.1 水文气象条件及三峡水库调度 |
| 2.2 地形地貌 |
| 2.3 地层岩性 |
| 2.4 地质构造 |
| 2.5 水文地质 |
| 3 八字门滑坡变形特征分析 |
| 3.1 八字门滑坡基本特征 |
| 3.2 滑坡宏观变形 |
| 3.3 监测数据分析 |
| 3.4 滑坡变形影响因素分析 |
| 3.5 本章小结 |
| 4 库水位波动与降雨作用下滑坡数值模拟分析 |
| 4.1 基本理论 |
| 4.2 建立模型和计算工况 |
| 4.3 数值模拟分析 |
| 4.4 八字门滑坡变形机理分析 |
| 4.5 本章小结 |
| 5 八字门滑坡稳定性影响因素敏感性分析 |
| 5.1 正交试验设计方法的基本理论 |
| 5.2 正交试验设计结果的分析方法 |
| 5.3 基于正交试验的滑坡敏感性分析 |
| 5.4 本章小结 |
| 6 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 附录 :攻读硕士学位期间发表的部分学位论着 |
| 致谢 |
（7）滑坡实时监测预警系统关键技术及其应用研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 前言 |
| 1.1 选题依据及研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 滑坡监测预警模型研究 |
| 1.2.2 滑坡位移监测数据处理方法研究 |
| 1.2.3 数据质量评价方法研究 |
| 1.2.4 滑坡监测预警系统研究 |
| 1.2.5 混合架构在监测预警领域中的应用研究 |
| 1.3 主要存在的问题 |
| 1.4 主要研究内容 |
| 1.4.1 滑坡监测预警方法研究 |
| 1.4.2 滑坡监测预警系统关键技术研究 |
| 1.4.3 基于WebGL技术的三维数字地球的研究 |
| 1.4.4 混合架构体系的滑坡监测预警系统研究 |
| 1.5 研究路线 |
| 1.6 本论文特色及创新点 |
| 1.7 完成的主要工作 |
| 第2章 基于变形演化过程的滑坡预警技术 |
| 2.1 概述 |
| 2.2 滑坡变形演化过程的一般特征 |
| 2.3 基于变形过程的滑坡预警模型 |
| 2.4 滑坡变形演化阶段自动识别 |
| 2.4.1 改进切线角自动求解方法 |
| 2.4.1.1 改进切线角模型 |
| 2.4.1.2 离散小波变换提取曲线特征 |
| 2.4.2 常见监测曲线类型与识别 |
| 2.4.2.1 平稳型(T11) |
| 2.4.2.2 稳定型(T21) |
| 2.4.2.3 震荡型(T22) |
| 2.4.2.4 递增型(T31) |
| 2.4.2.5 指数型(T32) |
| 2.4.2.6 突变型(T33) |
| 2.5 多设备联动预警机制 |
| 2.5.1 监测设备分组 |
| 2.5.2 监测设备可靠度动态评价体系TRIP |
| 2.5.3 预警结论可信度 |
| 2.5.4 联动预警案例分析 |
| 2.6 本章小结 |
| 第3章 滑坡监测数据自动处理方法 |
| 3.1 异常数据自动处理 |
| 3.1.1 监测数据过滤器 |
| 3.1.2 异常数据处理方法 |
| 3.1.2.1 粗差数据的处理 |
| 3.1.2.2 雨量监测数据常见问题 |
| 3.2 监测数据的拟合处理 |
| 3.2.1 移动平均法 |
| 3.2.2 最小二乘法 |
| 3.3 数据处理方法适用范围研究 |
| 3.3.1 数据消噪处理 |
| 3.3.2 仪器误差处理 |
| 3.3.3 滑坡失稳阶段的数据处理 |
| 3.4 监测数据等时间间隔处理 |
| 3.4.1 状态量数据 |
| 3.4.2 累积量数据 |
| 3.5 本章小结 |
| 第4章 滑坡监测数据实时集成与共享技术 |
| 4.1 高可靠数据集成与共享技术 |
| 4.1.1 高级消息队列协议(AMQP) |
| 4.1.2 消息队列遥测传输(MQTT) |
| 4.1.3 高并发下的高可靠数据分发与共享 |
| 4.2 基于MQTT协议的多源异构监测数据实时集成技术 |
| 4.2.1 两种数据集成技术 |
| 4.2.1.1 基于ETL模式的批处理集成 |
| 4.2.1.2 基于MQTT协议的流处理集成 |
| 4.2.2 基于MQTT协议的数据集成体系 |
| 4.2.2.1 数据流模型 |
| 4.2.2.2 负载均衡中的会话保持 |
| 4.3 海量数据存取优化方案 |
| 4.3.1 分词技术 |
| 4.3.2 倒排索引 |
| 4.3.3 海量数据存取优化方案 |
| 4.4 本章小结 |
| 第5章 基于策略的滑坡实时过程预警技术 |
| 5.1 基于策略的预警模型计算框架 |
| 5.1.1 预警计算流程 |
| 5.1.2 预警模型管理 |
| 5.1.3 通用模型计算框架研究 |
| 5.1.4 预警等级求解器的设计与实现 |
| 5.1.4.1 求解器计算流程 |
| 5.1.4.2 多线程预警技术 |
| 5.1.5 过程预警成果展示 |
| 5.2 预警的发布与解除 |
| 5.2.1 预警信息自动发布技术 |
| 5.2.2 预警信息发送规则 |
| 5.2.3 预警信息解除 |
| 5.3 本章小结 |
| 第6章 滑坡综合数据一体化管理技术 |
| 6.1 滑坡空间数据集成体系研究 |
| 6.1.1 多源异构空间数据预处理 |
| 6.1.2 空间数据库的选择 |
| 6.1.3 空间数据服务平台 |
| 6.1.4 空间数据集成体系 |
| 6.2 基于WebGL技术的三维数字地球 |
| 6.2.1 WebGL技术 |
| 6.2.2 三维平台的选择 |
| 6.2.3 三维模型高精度集成技术 |
| 6.2.4 三维数字地球应用效果 |
| 6.3 基于国标的视频设备集成体系 |
| 6.3.1 数据传输协议 |
| 6.3.2 视频监控统一管理平台 |
| 6.3.2.1 平台架构设计 |
| 6.3.2.2 视频设备编码规则 |
| 6.3.2.3 统一视频平台的开发与应用 |
| 6.4 天-空-地一体化数据管理体系 |
| 6.4.1 空间数据 |
| 6.4.2 属性数据 |
| 6.4.3 非结构化数据 |
| 6.4.4 一体化数据管理平台 |
| 6.5 本章小结 |
| 第7章 基于混合架构体系的滑坡实时监测预警系统 |
| 7.1 概述 |
| 7.2 需求分析 |
| 7.3 系统功能架构设计 |
| 7.4 数据结构体系 |
| 7.5 云服务基础平台设计 |
| 7.5.1 SOA与 JWT |
| 7.5.2 系统架构 |
| 7.6 混合架构体系 |
| 7.6.1 B/S架构网页端 |
| 7.6.1.1 系统演示主界面 |
| 7.6.1.2 天-空-地一体化数据管理 |
| 7.6.1.3 监测数据分析 |
| 7.6.1.4 滑坡过程预警分析 |
| 7.6.2 C/S架构客户端 |
| 7.6.2.1 演示模式 |
| 7.6.2.2 空间数据管理 |
| 7.6.2.3 监测预警信息管理 |
| 7.6.2.4 后台服务监控 |
| 7.6.3 移动端App |
| 7.6.3.1 概述 |
| 7.6.3.2 功能架构设计 |
| 7.6.3.3 移动端开发相关技术 |
| 7.6.3.4 主要功能 |
| 7.7 本章小结 |
| 第8章 系统应用案例 |
| 8.1 预警案例 |
| 8.2 预警流程时间因素分析 |
| 8.3 黑方台滑坡监测预警 |
| 8.3.1 概述 |
| 8.3.2 党川7号滑坡预警过程 |
| 8.4 兴义龙井村9组岩质滑坡监测预警 |
| 8.4.1 概述 |
| 8.4.2 监测点布置 |
| 8.4.3 系统应用 |
| 8.5 本章小结 |
| 结论 |
| 致谢 |
| 参考文献 |
| 攻读学位期间取得学术成果 |
| 附录 |
| A.1 全文公式索引 |
| A.2 全文图索引 |
| A.3 全文表索引 |
（8）快速隆升金沙江上游典型河段滑坡敏感性与风险性区划研究 ——以徐龙-奔子栏河段为例（论文提纲范文）
| 中文摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 选题依据与研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 青藏高原隆升历史 |
| 1.2.2 滑坡敏感性区划研究现状 |
| 1.2.3 滑坡风险性区划研究现状 |
| 1.3 研究内容与技术路线 |
| 1.4 论文创新点 |
| 第2章 研究区概况 |
| 2.1 地理位置 |
| 2.2 地形与地貌特征 |
| 2.3 气象与水文条件 |
| 2.4 地层岩性 |
| 2.5 地质构造 |
| 2.5.1 褶皱 |
| 2.5.2 断层 |
| 2.6 地震活动特征 |
| 2.7 人类活动 |
| 2.8 小结 |
| 第3章 研究区滑坡编录数据及滑坡特征分析 |
| 3.1 滑坡发育条件、滑动特征及其形态要素 |
| 3.2 基于可见光学遥感的滑坡解译 |
| 3.3 基于InSAR技术的滑坡解译 |
| 3.4 研究区滑坡空间分布特征 |
| 3.5 研究区典型滑坡特征 |
| 3.5.1 滑坡堵江事件 |
| 3.5.2 古滑坡复活迹象 |
| 3.5.3 新生滑坡 |
| 3.6 研究区滑坡成因机制分析 |
| 3.6.1 地层岩性对滑坡成因机制的影响 |
| 3.6.2 地质构造对滑坡成因机制的影响 |
| 3.7 研究区滑坡与青藏高原隆升历史 |
| 3.8 研究区滑坡与冰期 |
| 3.9 小结 |
| 第4章 研究区滑坡敏感性区划制图单元选取与评价指标系统建立 |
| 4.1 制图单元选取 |
| 4.1.1 基于水文分析的斜坡单元划分 |
| 4.1.2 基于曲率分水岭法的斜坡单元划分 |
| 4.1.3 斜坡单元划分结果及划分效果对比 |
| 4.2 评价指标系统建立 |
| 4.2.1 研究区地质特征分析 |
| 4.2.2 研究区滑坡敏感性评价指标系统建立 |
| 4.3 评价指标提取 |
| 4.3.1 岩性指标提取 |
| 4.3.2 地形指标提取 |
| 4.3.3 构造指标提取 |
| 4.3.4 植被指标提取 |
| 4.3.5 河流指标提取 |
| 4.3.6 降雨指标提取 |
| 4.3.7 地震指标提取 |
| 4.4 评价指标关联性分析 |
| 4.4.1 岩性指标关联性分析 |
| 4.4.2 地形指标关联性分析 |
| 4.4.3 构造指标关联性分析 |
| 4.4.4 植被指标关联性分析 |
| 4.4.5 河流指标关联性分析 |
| 4.4.6 降雨指标关联性分析 |
| 4.4.7 地震指标关联性分析 |
| 4.5 评价指标多重共线性分析 |
| 4.6 小结 |
| 第5章 研究区滑坡敏感性区划 |
| 5.1 研究区滑坡敏感性区划模型选取 |
| 5.1.1 Logistics Regression模型 |
| 5.1.2 随机森林模型 |
| 5.1.3 人工神经网络模型 |
| 5.2 研究区滑坡敏感性区划模型检验算法 |
| 5.2.1 交叉验证 |
| 5.2.2 统计参数验证 |
| 5.2.3 Kappa系数检验 |
| 5.2.4 受试者工作特征曲线 |
| 5.3 研究区滑坡敏感性区划模型建立 |
| 5.3.1 数据准备 |
| 5.3.2 Logistics Regression模型建立 |
| 5.3.3 随机森林模型建立 |
| 5.3.4 人工神经网络模型建立 |
| 5.4 研究区滑坡敏感性区划模型优选 |
| 5.4.1 统计参数结果对比 |
| 5.4.2 Kappa系数结果对比 |
| 5.4.3 ROC曲线结果对比 |
| 5.5 研究区滑坡敏感性区划结果 |
| 5.6 研究区滑坡敏感性区划结果比较 |
| 5.6.1 模型预测精度对比 |
| 5.6.2 滑坡敏感性区划图对比 |
| 5.6.3 两种斜坡单元综合对比 |
| 5.7 研究区敏感性区划结果分析 |
| 5.8 小结 |
| 第6章 研究区滑坡风险性区划 |
| 6.1 研究区滑坡易损性区划 |
| 6.1.1 研究区滑坡易损性区划制图单元选取 |
| 6.1.2 研究区滑坡易损性区划评价指标选取 |
| 6.1.3 研究区滑坡易损性区划模型选取 |
| 6.1.4 研究区滑坡易损性区划结果 |
| 6.2 研究区滑坡风险性区划 |
| 6.3 小结 |
| 第7章 结论与展望 |
| 7.1 结论 |
| 7.2 展望 |
| 参考文献 |
| 作者简介及在学期间所取得的科研成果 |
| 致谢 |
（9）水库型滑坡水动力加卸载效应及稳定性演化规律研究 ——以八字门滑坡分析为例（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 选题依据及研究的意义和目的 |
| 1.2 国内外研究现状及存在的问题 |
| 1.2.1 水动力条件对滑坡稳定性影响的研究现状 |
| 1.2.2 滑坡稳定性评价方法及理论研究现状 |
| 1.2.3 三峡库区堆积层滑坡研究现状 |
| 1.3 研究内容与技术路线 |
| 1.4 论文的创新之处 |
| 第2章 堆积层滑坡基本特征及动力学机制分析 |
| 2.1 堆积层滑坡概述 |
| 2.1.1 堆积层滑坡的物质组成与特征 |
| 2.1.2 堆积层滑坡的变形破坏特点 |
| 2.2 堆积层滑坡与水的相互作用机理 |
| 2.2.1 物理作用 |
| 2.2.2 化学作用 |
| 2.2.3 力学作用 |
| 2.3 三峡库区堆积层滑坡水动力条件概述 |
| 2.3.1 三峡库区水库运行情况 |
| 2.3.2 三峡库区地下水动力系统 |
| 2.4 三峡库区堆积层滑坡滑面形态概述 |
| 2.5 八字门滑坡的基本特征 |
| 2.5.1 八字门滑坡概况 |
| 2.5.2 八字门滑坡水文地质特征 |
| 2.5.3 八字门滑坡破坏因素分析 |
| 2.6 本章小结 |
| 第3章 库水升降速率及土体渗透特性对坡体渗流场的影响分析 |
| 3.1 k、v对滑坡渗流稳定影响的理论分析 |
| 3.1.1 Darcy定理 |
| 3.1.2 伯努利定理 |
| 3.1.3 非稳定渗流基本方程的建立 |
| 3.1.4 浸润线表达式的确定 |
| 3.1.5 k、v与坡体下滑力关系的确定 |
| 3.2 八字门滑坡计算模型的建立及参数的选取 |
| 3.2.1 计算模型的建立 |
| 3.2.2 模型参数及k/v参数的选取 |
| 3.3 不同k/v工况下坡体渗流场模拟结果的分析 |
| 3.3.1 库水位上升阶段渗流模拟结果分析 |
| 3.3.2 库水位下降阶段渗流模拟结果分析 |
| 3.4 不同典型滑面形态对滑坡渗流稳定的影响分析 |
| 3.5 本章小结 |
| 第4章 k/v比值对滑坡稳定性演化规律影响及加卸载效应分析 |
| 4.1 不同k/v工况下边坡渗流场-自重应力场的耦合分析 |
| 4.1.1 八字门滑坡渗流-自重应力场分析模型的建立 |
| 4.1.2 库水位上升阶段应力场模拟结果分析 |
| 4.1.3 库水位下降阶段应力场模拟结果分析 |
| 4.2 不同k/v工况下坡体位移场模拟结果的分析 |
| 4.2.1 库水位上升阶段位移场模拟结果分析 |
| 4.2.2 库水位下降阶段位移场模拟结果分析 |
| 4.3 不同k/v工况下坡体稳定性演化规律分析 |
| 4.3.1 库水位上升阶段稳定性模拟结果分析 |
| 4.3.2 库水位下降阶段稳定性模拟结果分析 |
| 4.4 不同典型滑面形态对滑坡稳定性演化规律的影响分析 |
| 4.5 本章小结 |
| 第5章 库水位加卸载位移响应比与滑坡稳定性评价 |
| 5.1 加卸载位移响应比理论的基本原理 |
| 5.2 八字门滑坡加卸载位移响应比模型的建立 |
| 5.3 加卸载位移响应比变化规律及其与稳定性的关系分析 |
| 5.3.1 加卸载位移响应比数值模拟分析 |
| 5.3.2 加卸载位移响应比实际监测数据统计对比分析 |
| 5.4 本章小结 |
| 第6章 结论与展望 |
| 6.1 主要结论 |
| 6.2 不足与展望 |
| 参考文献 |
| 攻读硕士学位期间学术成果及科研情况 |
| 致谢 |
（10）基于立体监测的公路滑坡变形机理与工程防治研究 ——以贵州省余凯高速公路滑坡为例（论文提纲范文）
| 作者简历 |
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 研究内容及技术路线 |
| 1.3.1 研究内容 |
| 1.3.2 主要创新点 |
| 1.3.3 研究技术路线 |
| 第二章 余凯高速公路滑坡工程概况 |
| 2.1 工程概况 |
| 2.2 工程地质条件 |
| 2.3 滑坡基本特征 |
| 2.3.1 滑坡形态特征 |
| 2.3.2 滑坡结构特征 |
| 2.4 本章小结 |
| 第三章 余凯高速公路滑坡时空演化过程分析 |
| 3.1 立体密集多点变形监测系统建立 |
| 3.1.1 变形监测系统建立 |
| 3.1.2 监测内容与监测目的 |
| 3.2 地表位移监测结果 |
| 3.2.1 地表位移速率 |
| 3.2.2 地表水平位移 |
| 3.2.3 地表垂直位移 |
| 3.2.4 地表位移方向 |
| 3.3 深部位移监测结果 |
| 3.3.1 滑带的判别 |
| 3.3.2 深部位移变形特征 |
| 3.4 滑坡时空演化过程与演化模式分析 |
| 3.5 本章小结 |
| 第四章 基于监测信息的余凯高速公路滑坡变形机理研究 |
| 4.1 基本理论 |
| 4.1.1 因子分析 |
| 4.1.2 相关分析和回归分析 |
| 4.2 余凯高速公路滑坡变形机理研究 |
| 4.2.1 滑坡形成的外在诱发因素—降雨 |
| 4.2.2 滑坡形成的外在诱发因素—工程开挖 |
| 4.2.3 滑坡发育的内在因素—不良地质条件 |
| 4.2.4 余凯高速公路滑坡变形机理 |
| 4.3 FFT滤波与时间序列的滑坡变形预测 |
| 4.3.1 快速傅里叶变换(FFT)与滤波 |
| 4.3.2 时间序列模型 |
| 4.3.3 滑坡变形预测 |
| 4.4 本章小结 |
| 第五章 防治工程信息化施工与抗滑桩优化设计 |
| 5.1 滑坡稳定性评价 |
| 5.2 防治工程信息化施工与效果评价 |
| 5.2.1 滑坡防治工程信息化施工 |
| 5.2.2 基于监测信息的防治效果评价 |
| 5.3 抗滑桩平面布设优化设计研究 |
| 5.3.1 基本理论 |
| 5.3.2 抗滑桩平面布设优化设计 |
| 5.3.3 理论计算和实测数据对比 |
| 5.4 本章小结 |
| 第六章 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
四、主成分-逐步回归在滑坡稳定性分析中的应用（论文参考文献）
- [1]基于不同评价单元的滑坡易发性评价方法研究 ——以陕西省洛南县为例[D]. 崔阳阳. 西安科技大学, 2021(02)
- [2]基于机器学习的滑坡危险性评价研究[D]. 王超. 电子科技大学, 2021(01)
- [3]人工神经网络和决策树模型在滑坡易发性分析中的性能对比[J]. 田乃满,兰恒星,伍宇明,李郎平. 地球信息科学学报, 2020(12)
- [4]贵州省思南县地质灾害危险性评价研究[D]. 胡涛. 中国地质大学, 2020(03)
- [5]黄土滑坡多源异构监测数据融合算法研究[D]. 王智伟. 长安大学, 2020(06)
- [6]三峡库区八字门滑坡变形机理与影响因素敏感性分析[D]. 陈源. 三峡大学, 2020(06)
- [7]滑坡实时监测预警系统关键技术及其应用研究[D]. 何朝阳. 成都理工大学, 2020(04)
- [8]快速隆升金沙江上游典型河段滑坡敏感性与风险性区划研究 ——以徐龙-奔子栏河段为例[D]. 孙晓慧. 吉林大学, 2020(08)
- [9]水库型滑坡水动力加卸载效应及稳定性演化规律研究 ——以八字门滑坡分析为例[D]. 郭媛媛. 青岛理工大学, 2019(02)
- [10]基于立体监测的公路滑坡变形机理与工程防治研究 ——以贵州省余凯高速公路滑坡为例[D]. 刘文强. 中国地质大学, 2019(01)