基于深度位移状态识别与相似性传播的滑坡位移预测

《Engineering Geology》：Landslide displacement prediction based on deep displacement state recognition and similarity propagation

滑坡预测框架研究提出趋势-状态耦合模型，结合非线性相位耦合分析和卷积神经网络，通过斜坡单元矩阵实现空间泛化，显著提升预测精度至7.22mm。

　　

张汉明|郭向晨|刘康|刘青松|肖建浩|柯宇|刘勇

中国地质大学机械工程与电子信息学院，武汉430074，中国

摘要

当前的滑坡预测方法过度依赖地表运动学，往往无法捕捉到深层发生的隐秘非线性状态转变。为了解决这个问题，我们提出了一个“趋势-状态耦合框架”，将预测模式从纯粹的 externally driven（外部驱动）转变为 state-dependent（状态依赖）的预测方式。趋势子模型将水文气象触发因素映射到位移基线，而状态子模型则利用非参数双谱分析明确描述内部敏感性。与传统时频方法不同，这种方法能够识别与初始不稳定性相关的非线性相位耦合，并通过卷积神经网络（CNN）将这些耦合分类为不同的演化状态。为了提高空间泛化能力，我们构建了一个斜坡单元矩阵（Slope Cell Matrix），通过粒子群优化相似性度量来整合激励-状态-响应信息，从而实现状态变量在不同地点之间的传播。在三峡水库的白水河滑坡案例中的验证表明，该耦合模型的均方根误差（RMSE）为7.22毫米，显著优于传统的BP模型（68.06毫米）和SVR模型（63.81毫米）。重要的是，深层位移状态指标在表面加速事件之前就显示出明显的先兆信号，这证实了该框架能够捕捉到早期失效机制。本研究提供了一种可靠且具有物理解释性的滑坡预警方法，将外部驱动因素与深层演化动态联系起来。

引言

滑坡内部地质环境的动态演化在很大程度上决定了其对外部触发因素的机械响应（Li等人，2024年；Sisay等人，2024年）。在相对稳定的蠕变阶段，内部地质结构和机械条件基本保持不变，因此深层位移也相对稳定，对外部干扰的抵抗力较高（Long等人，2022年）。因此，滑坡对外部因素的敏感性较低，即使强烈的外部触发也可能不会引起明显的位移变化（Gong等人，2024年；Zhou等人，2022年）。然而，一旦滑坡进入加速变形阶段，其内部结构会向不稳定状态演变，深层位移特征会发生显著变化，深层滑动面的不稳定性变得明显。此时，滑坡对外部触发因素的敏感性急剧增加，即使是相对轻微的干扰也可能导致较大的或突然的位移变化。最近的一些现象学研究进一步利用基于位移的指标和自动失效时间预测方法来捕捉这种相位转变，这突显了在预测模型中直接描述滑坡内部演化的迫切需求（Lu等人，2024年；Zhang等人，2025年）。

数据驱动的滑坡位移预测方法包括机器学习（例如SVR、XGBoost）和深度学习（例如LSTM、CNN、Transformer）（Zhang等人，2026年）。尽管结合这些方法的混合架构显示出潜力，且可解释模型提高了解释性，但当前预测方法仍存在关键挑战（Deng等人，2024年；Ge等人，2024年；He等人，2025年）。然而，大多数现有模型本质上仍然是“外部驱动”的：它们侧重于将降雨和地震等外部强迫因素与滑坡响应联系起来（Lu等人，2021年）。当外部条件相似但滑坡处于不同演化阶段时，预测精度可能会显著下降，特定模型的性能也可能有很大差异（Wang等人，2025年；Zhang等人，2022年）。这一限制主要源于对近地表监测数据的过度依赖，以及对深层滑坡位移中蕴含的动态信息的忽视（Liu等人，2024a）。这种处理方式往往是不恰当的，因为它将滑坡系统视为一个随时间变化的“黑箱”。当外部条件相似但滑坡处于不同演化阶段时，相关函数会发生根本性变化，导致静态全局模型的预测精度大幅下降。

相比之下，深层位移特征直接反映了滑坡体内部地质结构和应力状态的演化，而表面数据通常是滞后现象。它们提供了滑坡稳定性和活动阶段的本质指标，并直接影响滑坡对外部因素的敏感性（Yang等人，2021年）。仅依赖外部因素的位移模型，由于不受深层位移状态的约束，难以捕捉滑坡在不同阶段的真实响应特征，容易过拟合。为了解决这个问题，一些研究通过将深层位移作为主要状态变量并将其与外部触发因素耦合起来，提高了预测模型的鲁棒性和泛化能力。这些进展表明，一个更有效的滑坡位移预测框架应该同时考虑外部强迫因素和内部深层位移状态。因此，仅受外部因素约束的预测模型，在关键状态转变期间容易过拟合和失效。

在信号分析方面，基于小波的时频和相干性技术被用来研究库岸滑坡对降雨和库水位波动的多尺度响应，揭示了明显的尺度和场地依赖的触发模式。这些研究表明，小波分析有助于识别瞬态响应模式、周期性成分以及外部强迫因素与位移之间的相位关系。然而，大多数基于小波的分析仍然关注表面位移和位移与外部强迫因素之间的成对关系，没有将提取的时频模式明确与深层位移状态联系起来或嵌入到状态依赖的预测模型中。因此，我们认为传统的小波分析不足以检测初始失效。作为二阶统计方法，小波分解假设窗口内的线性，数学上无法捕捉到通常作为系统转变（分岔）前兆的二次相位耦合（QPC）。大多数现有研究忽略了这一点，只关注成对的线性关系，而没有将提取的模式与深层演化状态直接联系起来。

因此，本研究旨在研究滑坡深层位移监测数据中的小波时频和双谱非线性特征，并将其纳入状态依赖的预测框架中。通过综合考虑外部触发因素与位移响应之间的关系，我们提出了一种结合深层位移状态识别和基于状态相似性的预测方法的滑坡位移预测方法。为了解决这些限制，我们提出了从“外部驱动”到“状态依赖”预测的范式转变。我们进一步利用双谱分析研究了深层位移监测数据中隐藏的非线性相位耦合，这是一种能够检测QPC的高阶谱工具，并将其纳入状态依赖的预测框架中。

本研究的主要贡献有两个方面：（i）一种基于深层位移的状态识别方法，该方法利用小波和双谱特征以及CNN来表征和解码滑坡的内部演化不稳定性；（ii）一种滑坡斜坡单元矩阵和状态相似性传播框架，提高了位移预测模型的空间适应性和泛化性能。本文的其余部分组织如下：第2节介绍了滑坡位移特征提取、状态识别、斜坡单元矩阵构建和预测模型开发的整体工作流程。第3节使用典型的滑坡案例研究评估了所提模型的有效性和预测性能。第4节讨论了该模型在不同滑坡类型和数据有限条件下的适用性和潜在局限性。最后，第5节总结了主要发现，并阐明了这项工作的理论贡献和工程意义。

方法论

滑坡响应过程实际上是一个由其内部敏感性逐步变化控制的动态系统。可靠的预测需要将当前的外部激励与其相应的状态特征结合起来，而不是依赖于单一的全球模型。本研究假设，在外部触发条件下，滑坡的深层位移响应由两个可分离的组成部分构成：趋势响应（外部因素）和敏感性状态

工程地质背景和监测设置

三峡水库（TGR）的岸线具有复杂的水位波动带，这里发生了许多几何形状和变形机制多样的库岸滑坡。在本研究中，选择了白水河、唐桥1号和四道桥滑坡作为代表性案例。这三种滑坡都是受层理控制的崩积滑坡，其变形受到库水位波动和降雨的联合水力-机械耦合的控制。

相对于静态基线的定量优势

所提出的“趋势-状态耦合框架”在定量上显示出明显优于传统数据驱动方法的优势。基于状态相似性的预测模型在监测点ZG93的均方根误差（RMSE）为7.22毫米，显著优于多层感知器（MLP，RMSE = 68.06毫米）和支持向量回归（SVR，RMSE = 63.81毫米）的基准模型。这种性能差距反映了传统模型在概念化滑坡系统方面的根本局限性。

总结与结论

本研究开发了一个集成的“趋势-状态耦合框架”，将滑坡位移预测从“黑箱”映射转变为具有物理解释性的“状态感知”范式。通过将外部水文气象触发因素、内部深层状态和表面响应统一到一个斜坡单元矩阵中，该方法实现了稳健的多点预测。主要结论如下：

• (1)
  响应机制的解耦：通过优化

CRediT作者贡献声明

张汉明：撰写初稿、软件开发、项目管理、方法论研究、数据整理。郭向晨：形式分析、数据整理。刘康：方法论研究。刘青松：数据整理。肖建浩：监督指导。柯宇：可视化处理、概念构思。刘勇：调查研究、资金争取、概念构思。

利益冲突声明

作者声明没有已知的财务利益冲突。

致谢

本研究得到了国家自然科学基金（编号42090054、41931295、41772376）、湖北省自然科学基金（编号2022CFA002）以及自然资源部自动化地质灾害监测技术创新中心（重庆地质矿产研究院）（编号2022058014）的支持。