陳 銳，范小光，吳益平

（1.中國(guó)地質(zhì)大學(xué)(武漢)工程學(xué)院，湖北 武漢 430074；2.中國(guó)電建集團(tuán)河南省電力勘測(cè)設(shè)計(jì)院有限公司，河南 鄭州 450007）

1 研究背景

三峽工程作為世界上最大的水利樞紐工程，在防洪、發(fā)電及航運(yùn)等方面發(fā)揮著巨大的作用。自三峽工程建成以來(lái)，由庫(kù)水位變化所引起的地質(zhì)災(zāi)害愈來(lái)愈受到人們的重視。其中，滑坡是三峽庫(kù)區(qū)最頻發(fā)且影響最大的地質(zhì)災(zāi)害，為確保能實(shí)時(shí)監(jiān)測(cè)滑坡位移變化，滑坡多場(chǎng)監(jiān)測(cè)技術(shù)被廣泛應(yīng)用。

隨著監(jiān)測(cè)技術(shù)的進(jìn)步與監(jiān)測(cè)周期的增加，滑坡多場(chǎng)監(jiān)測(cè)實(shí)時(shí)傳輸，取得了海量的監(jiān)測(cè)數(shù)據(jù)。近些年數(shù)據(jù)挖掘技術(shù)在滑坡研究領(lǐng)域發(fā)展迅速，王樹良等[1]結(jié)合寶塔滑坡的監(jiān)測(cè)數(shù)據(jù)，研究了滑坡監(jiān)測(cè)數(shù)據(jù)挖掘的視角及其泛層次關(guān)系；張純志[2]以萬(wàn)源市太平鎮(zhèn)滑坡為研究對(duì)象，應(yīng)用線性回歸方程處理滑坡數(shù)據(jù)，挖掘數(shù)據(jù)間的聯(lián)系；徐峰等[3]應(yīng)用時(shí)間序列分析方法分析了三峽庫(kù)區(qū)八字門滑坡，將滑坡位移分解，建立滑坡位移預(yù)報(bào)模型。但以上兩種分析方法在實(shí)際的滑坡數(shù)據(jù)處理應(yīng)用上還存在著一定局限性，都只考慮單因子條件下的分析和預(yù)測(cè)，實(shí)際滑坡預(yù)測(cè)分析是一個(gè)復(fù)雜的系統(tǒng)，受多因子共同影響，同時(shí)隨著滑坡數(shù)據(jù)的復(fù)雜多樣化，常規(guī)數(shù)據(jù)處理方法已無(wú)法滿足研究需要。近年來(lái)，許多新型數(shù)據(jù)挖掘技術(shù)在國(guó)內(nèi)外興起，并在滑坡領(lǐng)域應(yīng)用廣泛[4-7]。馬水山等[8]采用兩步聚類等方法，得到滑坡變形同監(jiān)測(cè)數(shù)據(jù)間的關(guān)聯(lián)規(guī)則；段功豪[9]利用Apriori 算法，以降雨量及庫(kù)水位為主要影響因子，挖掘出樹坪滑坡位移變形與影響因子間的關(guān)聯(lián)準(zhǔn)則。HUANG 等[10]通過(guò)數(shù)據(jù)挖掘研究了三峽庫(kù)區(qū)滑坡活動(dòng)同庫(kù)水位及降雨強(qiáng)度之間的關(guān)聯(lián)準(zhǔn)則。孫義杰[11]采用數(shù)據(jù)挖掘方法中的Apriori 算法，依據(jù)馬家溝滑坡變形影響因子，確定滑坡變形位移同各因子間的關(guān)聯(lián)準(zhǔn)則。TSAI 等[12]利用資料挖掘技術(shù)分析地形與植被因子，以驗(yàn)證區(qū)域性強(qiáng)降雨所誘發(fā)的滑坡，采用決策樹和貝葉斯網(wǎng)絡(luò)等數(shù)據(jù)挖掘算法，從海量數(shù)據(jù)間獲取有效信息。馬俊偉[13]采用兩步聚類法、Apriori 算法及決策樹C5.0 算法，對(duì)馬家溝滑坡和朱家店滑坡的信息關(guān)聯(lián)規(guī)則及信息閾值進(jìn)行分析研究。

結(jié)合上述數(shù)據(jù)挖掘方法，本文選取白水河滑坡為例，結(jié)合滑坡資料從降雨與庫(kù)水位角度選取影響因子[14-16]，分別為：月累計(jì)降雨量、日降雨量月度最大值、庫(kù)水位月平均值、庫(kù)水位波動(dòng)速度、單月最大有效連續(xù)降雨、單月庫(kù)水位日浮動(dòng)最大值。依據(jù)數(shù)據(jù)挖掘流程，采用兩步聚類法使滑坡變形演化定性化，將6 種影響因子由數(shù)值型變量轉(zhuǎn)化為離散型變量，隨后應(yīng)用Apriori 算法挖掘出滑坡數(shù)據(jù)間的關(guān)聯(lián)準(zhǔn)則，輸入影響因子作為關(guān)聯(lián)準(zhǔn)則前項(xiàng)，滑坡位移速度為關(guān)聯(lián)準(zhǔn)則后項(xiàng)，生成影響因子與滑坡位移速度的關(guān)聯(lián)準(zhǔn)則，選取其中的有效規(guī)則，實(shí)現(xiàn)滑坡監(jiān)測(cè)數(shù)據(jù)處理與關(guān)聯(lián)準(zhǔn)則挖掘。研究表明，關(guān)聯(lián)準(zhǔn)則對(duì)于滑坡災(zāi)害的變形分析具有重要的意義，數(shù)據(jù)挖掘技術(shù)可較好地應(yīng)用于三峽庫(kù)區(qū)地質(zhì)災(zāi)害位移預(yù)測(cè)預(yù)報(bào)中。

2 白水河滑坡概況及數(shù)據(jù)分析

2.1 滑坡概況

白水河滑坡位于長(zhǎng)江主干道南岸，屬秭歸縣沙鎮(zhèn)溪鎮(zhèn)樂(lè)豐村。由滑坡勘察報(bào)告得到白水河工程地質(zhì)平面圖及剖面圖（圖1、圖2）。南北長(zhǎng)500 m，白水河滑坡東西寬430 m，面積21.5×104m2，滑體平均厚度約30 m，體積645×104m3，主滑方向?yàn)?5°，屬大型順層土質(zhì)滑坡。2004年7月，白水河滑坡出現(xiàn)明顯變形，根據(jù)其變形特征劃分出滑坡預(yù)警區(qū)。預(yù)警區(qū)東側(cè)以黃土包凹槽為界，西側(cè)以滑體西部山羊溝為界，后緣以高程約297 m 為界，前緣剪出口在長(zhǎng)江庫(kù)水位145 m 水位以下。

圖1 白水河滑坡工程地質(zhì)平面圖Fig.1 Engineering geological plan of Baishuihe Landslide

圖2 白水河滑坡工程地質(zhì)剖面圖Fig.2 Engineering geological section of Baishuihe Landslide

2.2 白水河滑坡變形特征分析

選取白水河滑坡監(jiān)測(cè)點(diǎn)ZG93 數(shù)據(jù)進(jìn)行研究，通過(guò)對(duì)往年降雨強(qiáng)度及庫(kù)水位變化數(shù)據(jù)歸納分析，獲得白水河滑坡監(jiān)測(cè)數(shù)據(jù)曲線圖3，將白水河滑坡位移變形特征分為三個(gè)階段。

圖3 白水河滑坡監(jiān)測(cè)數(shù)據(jù)曲線Fig.3 Monitoring data curve of Baishuihe landslide

（1）第一階段：2003年6月—2006年8月，庫(kù)水位在135～140 m，這一階段為低水位時(shí)期，且?guī)焖徊▌?dòng)幅度相對(duì)較小，滑坡前緣受庫(kù)水位影響效果不明顯，此時(shí)滑坡位移變化特征主要與降雨強(qiáng)度相關(guān)，主要表現(xiàn)為滑坡位移變形同降雨強(qiáng)度的增大而增大，隨降雨強(qiáng)度的降低而趨于穩(wěn)定。

（2）第二階段：2006年8月—2008年8月，庫(kù)水位抬升至155 并穩(wěn)定在145～155 m，相對(duì)第一階段而言，庫(kù)水位抬升同時(shí)庫(kù)水位波動(dòng)幅度相對(duì)增大，滑體內(nèi)滲流場(chǎng)、應(yīng)力場(chǎng)及巖土體結(jié)構(gòu)發(fā)生改變。當(dāng)庫(kù)水位下降時(shí)，隨降雨強(qiáng)度的增大，滑坡的位移變形同步大幅增大。此時(shí)滑坡位移變形特征主要受降雨強(qiáng)度影響，庫(kù)水位有一定影響。

（3）第三階段：2008年8月—2016年12月，庫(kù)水位抬升至175 m 并穩(wěn)定在145～175 m，這一階段庫(kù)水位高度和波動(dòng)幅度再次增加。在第二階段中，滑體內(nèi)滲流場(chǎng)、應(yīng)力場(chǎng)及巖土體結(jié)構(gòu)發(fā)生改變調(diào)整后趨于穩(wěn)定，當(dāng)庫(kù)水位下降時(shí)，隨降雨強(qiáng)度的增大，滑坡位移變形也會(huì)增大。相對(duì)第二階段產(chǎn)生的大幅變化而言，這一階段變形量顯著降低。隨著庫(kù)水位規(guī)律變化，滑體內(nèi)滲流場(chǎng)、應(yīng)力場(chǎng)及巖土體結(jié)構(gòu)進(jìn)一步趨于穩(wěn)定，此時(shí)滑坡位移變形特征受降雨強(qiáng)度及庫(kù)水位共同影響。

綜上所述，當(dāng)降雨強(qiáng)度較低，庫(kù)水位抬升時(shí)，滑坡體內(nèi)的地下水抬升會(huì)滯后于庫(kù)水位的抬升，使得被庫(kù)水浸沒(méi)的滑體受到與滑面正交的靜水壓力作用，此時(shí)滑坡整體相對(duì)穩(wěn)定，變形特征不明顯。但當(dāng)降雨強(qiáng)度增大同時(shí)庫(kù)水位下降時(shí)，滑坡體內(nèi)的地下水位下降會(huì)明顯滯后于庫(kù)水位的下降，使得滑體在庫(kù)水位下降后一段時(shí)間內(nèi)仍受到一個(gè)與滑面平行且指向坡外的動(dòng)水壓力作用，由于降雨強(qiáng)度大，此時(shí)滑坡穩(wěn)定性會(huì)大幅降低，變形特征顯著。因此，高強(qiáng)度的降雨及庫(kù)水位波動(dòng)幅度是影響白水河滑坡位移變形的主要影響因素。

3 滑坡多場(chǎng)信息關(guān)聯(lián)規(guī)則研究

3.1 數(shù)據(jù)挖掘流程

數(shù)據(jù)挖掘流程如圖4所示，主要由數(shù)據(jù)采集、數(shù)據(jù)預(yù)處理、數(shù)據(jù)離散化和關(guān)聯(lián)準(zhǔn)則挖掘四步組成。本文主要采用兩步聚類算法及Apriori 算法，通過(guò)數(shù)據(jù)挖掘流程處理滑坡監(jiān)測(cè)數(shù)據(jù)，得到滑坡位移速度同影響因子間的關(guān)聯(lián)準(zhǔn)則。

圖4 滑坡多維信息時(shí)序關(guān)聯(lián)判據(jù)數(shù)據(jù)挖掘流程圖Fig.4 Data mining flow chart of multi-dimensional landslide information time series association criterion

（1）數(shù)據(jù)采集：數(shù)據(jù)采集是將野外監(jiān)測(cè)數(shù)據(jù)（包括GPS、降雨數(shù)據(jù)、位移數(shù)據(jù)）進(jìn)行收集歸納，獲得數(shù)據(jù)基礎(chǔ)。

（2）數(shù)據(jù)預(yù)處理：數(shù)據(jù)預(yù)處理主要指對(duì)已有數(shù)據(jù)進(jìn)行審核、篩選、排序等處理措施。

（3）數(shù)據(jù)離散化：由于Apriori 算法只能處理離散型變量，故采用兩步聚類法將監(jiān)測(cè)數(shù)據(jù)離散化。

（4）關(guān)聯(lián)準(zhǔn)則挖掘：應(yīng)用Apriori 算法對(duì)離散后的變量進(jìn)行關(guān)聯(lián)規(guī)則集合選擇，生成有效的關(guān)聯(lián)規(guī)則。

3.2 兩步聚類法

兩步聚類法算法是CHIU 等[17]在2001年在提出的一種能處理大規(guī)模類型數(shù)據(jù)的算法，該算法是通過(guò)預(yù)聚類與聚類兩步將數(shù)據(jù)劃分整合，進(jìn)而完成數(shù)據(jù)分類，其聚類過(guò)程詳見圖5。

圖5 兩步聚類法示意圖Fig.5 Schematic diagram of two-step clustering method

對(duì)于樣本數(shù)據(jù)既包括數(shù)值型變量又包括分類型變量，兩步聚類算法通常采用對(duì)數(shù)似然函數(shù)，若聚成j類，則其定義為：

式中：p——似然函數(shù)；

Ij——第j類的樣本集合；

θj——第j類的參數(shù)向量；

J——聚類數(shù)目。

針對(duì)全部樣本，其對(duì)數(shù)似然聚類是各類對(duì)數(shù)似然聚類之和。

對(duì)于存在的第i類和第j類，兩者合并后的類記為i,j，則他們的距離定義為：

式中：ξi——第i類的對(duì)數(shù)似然距離；

ξj——第j類的對(duì)數(shù)似然距離；

ξ〈i,j〉——第i類和第j類合并后的對(duì)數(shù)似然距離。

ξ——對(duì)數(shù)似然函數(shù)的具體形式，定義為：

其中：

式中：KA——數(shù)值型變量的個(gè)數(shù)；

KB——分類型變量的個(gè)數(shù)；

Nv——第v類的樣本量；

Nvkl——在第v類中第k個(gè)分類型變量取第l個(gè)類別的樣本量；

Lk——第k個(gè)分類型變量的類別。

當(dāng)?shù)趇類和第j類合并后，?ξ〈i,j〉大于ξi+ξj，因此d(i,j)小于0。d(i,j)越小，說(shuō)明第i類和第j類合并將不會(huì)引起類內(nèi)部差異的顯著増加。當(dāng)小于閾值C時(shí)，第i類和第j類可以合并；當(dāng)d(i,j)大于閾值C時(shí)，說(shuō)明合并將會(huì)引起聚類簇內(nèi)部的差異性顯著增加，第i類和第j類不能合并。

閾值C的定義為：

其中：

式中：Rk——第k個(gè)數(shù)值型變量的取值范圍；

Lm——第m個(gè)分類型變量樣本量。

3.3 Apriori 算法

通過(guò)兩步聚類算法對(duì)滑坡監(jiān)測(cè)數(shù)據(jù)類型進(jìn)行轉(zhuǎn)化，將分類所得的變量采用Apriori 算法計(jì)算，挖掘監(jiān)測(cè)數(shù)據(jù)的關(guān)聯(lián)準(zhǔn)則。

Apriori 算法由AGRAWAL 等[18]提出，該算法首先生成高于最小支持度的頻繁項(xiàng)目集，在第一步產(chǎn)生的頻繁項(xiàng)目集中生成高于最小可信度的關(guān)聯(lián)準(zhǔn)則。

頻繁項(xiàng)目集是指對(duì)包含項(xiàng)目a的項(xiàng)集T，其支持度大于或等于用戶指定的支持度閾值（minsupp），即：

包含k個(gè)項(xiàng)目的頻繁項(xiàng)目集稱為頻繁k項(xiàng)集，記為L(zhǎng)k。如圖6上層的項(xiàng)目集ab、abc、abcd，當(dāng)滿足最小支持度時(shí)均為頻繁k項(xiàng)集。

圖6 Apriori 算法示意圖Fig.6 Schematic diagram of Apriori algorithm

Apriori 算法實(shí)現(xiàn)過(guò)程詳見圖6。首先，搜索出產(chǎn)生長(zhǎng)度為1 的頻繁項(xiàng)集L1，L1又用于產(chǎn)生長(zhǎng)度為2 的頻繁項(xiàng)目集L2，如此循環(huán)，搜索所有的頻繁項(xiàng)目集。

從頻繁項(xiàng)目集中產(chǎn)生簡(jiǎn)單的關(guān)聯(lián)準(zhǔn)則，按置信度大于置信度閾值的條件，選擇出有效規(guī)則集合。對(duì)每個(gè)頻繁項(xiàng)目集L，計(jì)算L所有非空子集L′的置信度，如果CL′→（L?L′）大于用戶指定的置信度閾值(minconf)，即

則生成關(guān)聯(lián)準(zhǔn)則L′?(L?L′)

4 白水河滑坡關(guān)聯(lián)挖掘分析

4.1 影響因子選取

結(jié)合以往相關(guān)研究的成果[19-20]，從降雨和庫(kù)水位兩種角度共選取了6 種影響因子作為關(guān)聯(lián)準(zhǔn)則的前項(xiàng)。

（1）降雨：降雨入滲是影響滑坡位移變形的主要影響因素，針對(duì)白水河滑坡而言，由于區(qū)域內(nèi)兩次降雨的時(shí)間間隔較長(zhǎng)，且降雨入滲與蒸發(fā)作用同時(shí)進(jìn)行，故不考慮降雨時(shí)長(zhǎng)的作用，將降雨強(qiáng)度劃分為3 個(gè)影響因子進(jìn)行分析，分別為：月累計(jì)降雨量（∑qmonth）、日降雨量月度最大值（）及單月最大有效連續(xù)降雨量（）。

（2）庫(kù)水位：根據(jù)庫(kù)水位高度及波動(dòng)幅度對(duì)滑坡位移變形特征影響分析可以得知，當(dāng)庫(kù)水位產(chǎn)生變動(dòng)時(shí)，滑體內(nèi)地下水會(huì)出現(xiàn)較明顯的滯后效應(yīng)，對(duì)于白水河滑坡而言，滑坡的位移變形受庫(kù)水位較大影響，此次將庫(kù)水位劃分為3 個(gè)影響因子來(lái)探究其對(duì)滑坡變形的影響，分別為:庫(kù)水位月平均值（）、月庫(kù)水位波動(dòng)速度（Δh）、單月庫(kù)水位日浮動(dòng)最大值（）。

4.2 聚類分析

按照上述介紹的滑坡數(shù)據(jù)挖掘流程，針對(duì)白水河滑坡特定的影響因子進(jìn)行滑坡信息關(guān)聯(lián)規(guī)則挖掘。

月累計(jì)降雨量、日降雨量月度最大值、庫(kù)水位月平均值、庫(kù)水位波動(dòng)速度、單月最大有效連續(xù)降雨、單月庫(kù)水位日浮動(dòng)最大值、月位移速度的定性化成果見表1～表7。

由表1中月累計(jì)降雨量的兩步聚類結(jié)果可知：月度累計(jì)降雨量被劃分為Heavy_Rainfall、Moderate_Rainfall、Light_Rainfall 三簇，分布表征月累計(jì)降雨量為183.5～517.6 mm、69.9～179.8 mm、3.1～66.1 mm。

表1 白水河滑坡月累計(jì)降雨量定性化成果Table 1 Qualitative results of monthly accumulated rainfall of Baishuihe landslide

由表2日降雨量月度最大值兩步聚類結(jié)果可知：日降雨量月度最大值按照強(qiáng)度分布被劃分為55.9～160.7 mm、26.5～55.2 mm、1.3～25.6 mm 被劃分為Heavy_Rain_Shower、Medium_Rain_Shower、Light_Rain_Shower 三簇。

表2 白水河滑坡日降雨量月度最大值定性化成果Table 2 Qualitative results of monthly maximum rainfall of Baishuihe landslide

由表3中庫(kù)水位月度平均值兩步聚類結(jié)果可知：庫(kù)水位月度平均值被劃分為High_Water_Level、Medium_Water_Level、Low_Water_Level 三簇，分別表示月累計(jì)降雨量為160.14～174.74 m、144.21～158.47 m、135.13～138.95 m。

表3 白水河滑坡庫(kù)水位月平均值定性化成果Table 3 Qualitative results of monthly average water level of Baishuihe landslide reservoir

由表4月庫(kù)水位波動(dòng)速度兩步聚類結(jié)果可知：月庫(kù)水位波動(dòng)速度按照（13.26，17.35）、（7.23，11.36）、（1.57，5.89）、（-1.56，1.31）、（-7.09，-3.41）、（-13.02，-8.59）被劃 分 為 Sharply_Rise、Medium_Rise、Slowly_Rise、Smooth Fluctuation、Medium_Drop、Sharply_Drop 六簇。

表4 白水河滑坡月庫(kù)水位波動(dòng)速度定性化成果Table 4 Qualitative results of water level fluctuation rate of Baishuihe landslide monthly reservoir

由表5中單月最大有效連續(xù)降雨量?jī)刹骄垲惤Y(jié)果可知：?jiǎn)卧伦畲笥行нB續(xù)降雨量被劃分為High_Effective Rainfall、Medium_Effective Rainfall、Low_Effective Rainfall 三簇，分布單月最大有效連續(xù)降雨量為110.5～239.4 mm、36.6～109.8 mm、1.5～36.1 mm。

表5 白水河滑坡單月最大有效連續(xù)降雨量定性化成果Table 5 Qualitative results of maximum effective continuous rainfall in a single month of Baishuihe landslide

由表6單月庫(kù)水位日浮動(dòng)最大值聚類結(jié)果可知：?jiǎn)卧聨?kù)水位日浮動(dòng)最大值按（1.66，3.223）、（0.744，1.513）、（0.063，0.63）、（-0.414，0）、（-1.697，-0.49）劃分為Sharply_Rise_Water、Medium_Rise_Water、Slowly_Rise_Water、Slowly_Drop_Water、Medium_Drop_Water 五簇。

表6 白水河滑坡單月庫(kù)水位日浮動(dòng)最大值定性化成果Table 6 Qualitative results of the maximum daily fluctuation of the water level in a single month of Baishuihe landslide

白水河滑坡為較典型的階躍型滑坡，采用兩步聚類法將白水河滑坡的變形演化劃分為三個(gè)階段（表7），主要包括：變形起始階段（Ⅰ）、變形穩(wěn)定階段（Ⅱ）和變形加速階段（Ⅲ）。

白水河滑坡月位移速度定性化結(jié)果詳見表7。由表可知：變形起始階段（Ⅰ）表示坡面監(jiān)測(cè)點(diǎn)以-0.195～0.078 mm/mon 的速度變形，此集合占所有集合的42.3%；變形穩(wěn)定階段（Ⅱ）表示坡面監(jiān)測(cè)點(diǎn)以0.092～0.939 mm/mon 的速度變形，此集合占所有集合的40.5%；變形加速階段（Ⅲ）表示坡面監(jiān)測(cè)點(diǎn)以1.042～10.669 mm/mon 速度變形，此集合占所有集合的17.2%。

表7 白水河滑坡月位移速度定性化成果Table 7 Qualitative results of monthly displacement rate of Baishuihe landslide

4.3 關(guān)聯(lián)準(zhǔn)則挖掘

采用Apriori 算法將影響因子作為關(guān)聯(lián)前項(xiàng)，滑坡位移速度為關(guān)聯(lián)后項(xiàng)?？紤]實(shí)際數(shù)據(jù)的有效性與實(shí)用性，設(shè)定支持度閾值為5%，置信度閾值為80%，生成白水河滑坡位移同影響因子的關(guān)聯(lián)準(zhǔn)則。共生成關(guān)聯(lián)準(zhǔn)則87 項(xiàng)，結(jié)果顯示大多數(shù)規(guī)則后項(xiàng)處于變形第I、II 階段——變形起始階段及變形穩(wěn)定階段。這兩階段坡面位移變化較小，僅為-0.195～0.939 mm/mon。考慮實(shí)際滑坡變形時(shí)主要考慮第III 階段——變形加速階段的位移變化。從眾多關(guān)聯(lián)結(jié)果中選取提升度大于1 的準(zhǔn)則，提升度大于1 時(shí)表明關(guān)聯(lián)前項(xiàng)對(duì)關(guān)聯(lián)后項(xiàng)的出現(xiàn)有促進(jìn)作用，則此準(zhǔn)則具有較好的參考與實(shí)際意義。經(jīng)過(guò)篩選后的關(guān)聯(lián)準(zhǔn)則成果詳見表8。

表8 白水河滑坡多場(chǎng)信息關(guān)聯(lián)準(zhǔn)則Table 8 Multi field information association criterion of Baishuihe landslide

結(jié)果顯示：規(guī)則1 為關(guān)于坡面監(jiān)測(cè)點(diǎn)處于變形起始階段且包含庫(kù)水位月平均值（High_Water_Leve）的關(guān)聯(lián)準(zhǔn)則?？山庾x為：當(dāng)庫(kù)水位月均值處于高水位線時(shí)（160.14 m≤≤174.74 m），坡面監(jiān)測(cè)點(diǎn)進(jìn)入變形起始階段。規(guī)則2～3 為關(guān)于坡面監(jiān)測(cè)點(diǎn)處于變形起始階段且包含高強(qiáng)度日降雨量月最大值的關(guān)聯(lián)準(zhǔn)則?？山庾x為：當(dāng)滑坡區(qū)域日降雨量月度最大值為高值時(shí)（Light_Rain_Shower），坡面監(jiān)測(cè)點(diǎn)進(jìn)入變形起始階段。

規(guī)則4～6 為坡面監(jiān)測(cè)點(diǎn)處于變形穩(wěn)定階段的關(guān)聯(lián)準(zhǔn)則。規(guī)則中包含的水文因子主要有中低值的最大有效連續(xù)降雨量（Medium_Effective Rainfall、Low_Effective Rainfall）及中低等速度的庫(kù)水位變化過(guò)程（Slowly_Rise、Smooth Fluctuation）。由關(guān)聯(lián)結(jié)果可知，中低程度的最大有效連續(xù)降雨及中低程度的庫(kù)水位變化對(duì)坡面監(jiān)測(cè)點(diǎn)位移變形不會(huì)造成太大影響。

規(guī)則7～10 為坡面監(jiān)測(cè)點(diǎn)處于變形加速階段的關(guān)聯(lián)準(zhǔn)則。規(guī)則中包含的水文誘發(fā)因子主要由強(qiáng)降雨（Heavy_Rainfall）和高強(qiáng)度的最大有效連續(xù)降雨（High_Effective Rainfall）組成。由關(guān)聯(lián)結(jié)果可知，強(qiáng)降雨和高強(qiáng)度最大有效連續(xù)降雨是引起坡面監(jiān)測(cè)點(diǎn)的顯著變形的主要因素。

通過(guò)關(guān)聯(lián)準(zhǔn)則挖掘得到的結(jié)論與白水河滑坡實(shí)際位移變形影響因子結(jié)果進(jìn)行對(duì)比得知，數(shù)據(jù)挖掘流程得到的關(guān)聯(lián)準(zhǔn)則能較好的用于滑坡位移監(jiān)測(cè)預(yù)報(bào)。

5 結(jié)論

通過(guò)對(duì)完整的數(shù)據(jù)挖掘流程與關(guān)聯(lián)準(zhǔn)則結(jié)論進(jìn)行分析，得到主要的成果與結(jié)論如下：

（1）對(duì)白水河滑坡ZG93 監(jiān)測(cè)點(diǎn)數(shù)據(jù)進(jìn)行分析研究，在6～9月汛期來(lái)臨之時(shí)，白水河滑坡變形位移會(huì)受強(qiáng)降雨的影響。庫(kù)水位對(duì)滑坡位移的影響主要表現(xiàn)在2007年6月第一次蓄水引起的較大變形及水庫(kù)開始蓄水后，當(dāng)庫(kù)水位下降時(shí)，隨降雨強(qiáng)度的增大，滑坡的位移變形同步大幅增大。

（2）分別對(duì)六種影響因子進(jìn)行兩步聚類并得到對(duì)應(yīng)因子的定性化成果：月累計(jì)降雨量（∑qmonth）定性化成果、日降雨量月度最大值（）定性化成果、單月最大有效連續(xù)降雨量（）定性化成果、庫(kù)水位月度平均值（）定性化成果、月庫(kù)水位波動(dòng)速度（Δh）定性化成果、單月庫(kù)水位日浮動(dòng)最大值（）定性化成果。

（3）結(jié)合數(shù)據(jù)挖掘流程，建立了白水河滑坡多場(chǎng)耦合作用模式下的影響因子與滑坡位移變形關(guān)聯(lián)準(zhǔn)則判據(jù)。共生成白水河滑坡多場(chǎng)信息關(guān)聯(lián)準(zhǔn)則87 項(xiàng)，選取其中關(guān)聯(lián)度強(qiáng)的10 條規(guī)則進(jìn)行分析，關(guān)聯(lián)準(zhǔn)則成果顯示：強(qiáng)降雨和高強(qiáng)度最大有效連續(xù)降雨是引起坡面監(jiān)測(cè)點(diǎn)的顯著變形的主要因素。

（4）以白水河滑坡為例，按照數(shù)據(jù)挖掘流程得到多場(chǎng)信息關(guān)聯(lián)規(guī)則，對(duì)于滑坡災(zāi)害的變形分析具有重要的意義，數(shù)據(jù)挖掘技術(shù)可較好地應(yīng)用于三峽庫(kù)區(qū)地質(zhì)災(zāi)害位移預(yù)測(cè)預(yù)報(bào)中。