广东省佛山地质局广东佛山528000
摘要：本文以某滑坡工程为例，对滑坡进行变形监测，以滑坡变形监测数据为基础，利用一元线性回归分析模型、常规GM(1.1)模型对滑坡变形监测数据进行数据预测分析，及时预测变形数据的未来发展，为滑坡治理的安全施工提供技术保障。
关键词：滑坡；变形监测；一元线性回归分析模型；常规GM(1.1)模型
1、前言
随着城市化进程的加快，人类工程活动日益频繁，规模日益增大，遇到边坡稳定问题也越来越突出，边坡失稳形成滑坡、崩塌等地质灾害，轻则增加投资、延长工期，重则摧毁建筑物、造成人员伤亡。目前，滑坡是危害人民生命财产安全的主要灾害之一，因此滑坡治理一直是我国灾害治理的重要任务。在滑坡治理过程中，对滑坡进行变形监测，利用前期监测数据能较准确地对滑坡下一期的变形进行预测，对滑坡的安全性和对周围环境的影响程度有全面的了解，以确保滑坡治理工程的顺利进行。
传统的变形预测方法如神经网络分析法、时间序列分析法等适用于对变形数据长期、连续的预测，如变形数据突然变化或变形数据间断，则数据预测精度较低，无法满足滑坡监测数据变形预测的精度要求。一元线性回归分析模型、常规GM(1.1)模型相结合，有助于实现滑坡监测数据的短期、中长期变形预测。本文以某滑坡治理监测工程为例，用一元线性回归分析模型、常规GM(1.1)模型对变形监测数据和变形预测进行深入研究。
2、工程概况
本文所采用数据为某滑坡变形监测的真实数据，该山坡原地貌为台阶状，整体坡度约30～40°，坡体植被发育。上个世纪九十年代修筑居民楼期间，坡脚被人工开挖形成一陡坎，且修筑有高约3.5m浆砌石挡土墙，墙面近似直立。该滑坡一遇较大暴雨，便有岩土崩落，大量山体泥石被水冲下，直至坡脚建筑物和水泥路面，严重影响坡脚居民楼及其居民的安全。依据甲方、设计及相关规范要求，展开滑坡地质灾害治理工程变形监测工作。主要包括位移及沉降监测，其中边坡水平、竖向位移变形监测24点（水平、沉降共点），建筑物沉降监测16点。
3、预测模型建立
3.1一元线性回归分析模型的建立
3）由上表1、2得出：通过8组实测值建立两种预测模型，进行数据预测分析，并得到5组预测值。常规GM(1.1)模型8组拟合值平均相对误差为2.628%，一元线性回归分析模型的平均相对误差4.827%，都小于5%，两种模型均符合精度要求。
4）常规GM(1.1)模型8组拟合值平均相对误差为2.628%小于一元线性回归分析模型的平均相对误差4.827%；常规GM(1.1)模型5组预测值平均相对误差为7.724%小于一元线性回归分析模型的平均相对误差12.037%；说明常规GM(1.1)模型比一元线性回归分析模型的精度高，预测值更加接近实测值。
5）由上图1、2得出：常规GM(1.1)模型比一元线性回归模型的预测值曲线更加接近实测值，常规GM(1.1)模型相对误差变化曲线比一元线性回归模型相对误差变化曲线波动幅度更小。
6）由上表1、2，上图1、2得出：两种预测模型在滑坡水平位移监测点的短期数据预测中都可以达到满意的预测效果，均符合精度要求。常规GM(1.1)模型比一元线性回归分析模型预测精度高。但随着时间延长，两种预测模型的预测精度均变低。
结合监测数据，对两种预测模型的预测值及相对误差进行比对分析，证明一元线性回归分析模型和常规GM(1.1)模型均可以满足滑坡监测数据的短期、中长期变形预测要求，为滑坡的短期、中长期变形监测提供预测模型。
结语
滑坡变形监测工程存在地质情况复杂、受周边环境影响因素多等许多无法预估的风险。滑坡监测数据变形预测技术实现了工程的科学化施工，预防了工程事故，有助于改进和完善工程设计方案，为滑坡安全、信息化施工提供了技术保障。因此研究准确、科学、实用的滑坡变形预测模型对滑坡治理工程具有重要的实践意义。本文所提出的一元线性回归分析模型和常规GM(1.1)模型，用滑坡的水平位移监测数据进行试验，由计算预测结果可知，预测结果精度符合要求，预测效果好，为短期的、中长期、复杂的滑坡监测问题提供了一个很好的预测方法。
参考文献:
[1]姚颖康，张春艳，张坤.改进的GM(1,1)模型在滑坡变形预测中的应用[J].水文地质工程地质.2009.
[2]中华人民共和国行业标准《建筑变形测量规程》(JGJ8-2007).
[3]樊伟,杨军,刘廷廷.灰色神经网络组合模型及在滑坡预测中的应用[J].人民长江.2005.
[4]黄声享，尹晖，蒋征.变形监测数据处理[M].武汉:武汉大学出版社,2002.