图 1.九仙坪滑坡位置及完整视图。
图 2.九仙坪滑坡的剖面图和监测站布局。（a） 剖面 I-I′。（b） 剖面 II-II′。（c） 剖面 III-III′。
图 3.山体滑坡对结构的影响。（a） 建筑物墙壁上的裂缝。（b） 建筑物地板上的裂缝。（c） 建筑物地面的沉降。（d） 道路有裂缝。
图 4.九仙坪滑坡监测站平面图。
图 5.九仙坪滑坡区位移、降雨量、地下水位监测点数据。
图 6.滑坡变形机理及触发因素分析方法流程图
图 7.长短期记忆网络的结构。
图 8.用于 GPS 位移一阶差分的格兰杰因果关系测试热图。
图 9.酒仙坪滑坡的位移触发因素网络图。
图 10.多源数据滑坡位移预测模型.
图 11.GPS 监控数据的分解结果。（a. YY208， b. YY209， c. YY210）。
图 12.GPS 原始数据与重建数据的比较。（a. YY208， b. YY209， c. YY210）。
图 13.GPS 趋势数据的多项式拟合结果。（a. YY208， b. YY209， c. YY210）。
图 14.YY210 周期分量和地下水位变化的时间序列图。
图 15.剖面 II-II' 上 GPS 监测点的周期性分量和累积降雨量变化的时间序列图。
图 16.训练预测值和实际值之间相关系数分布的箱形图。
图 17.GPS 周期性位移数据的预测值。（a. YY208， b. YY209， c. YY210）。
图 18.九仙坪滑坡位移预测结果.（a. YY208， b. YY209， c. YY210）。
图 19.酒仙坪滑坡前沿位移重要影响因素的条形图
图 20.九仙坪滑坡前沿位移预测模型的 SHAP 图摘要。
图 21.酒仙坪滑坡中段位移重要影响因素的条形图
图 22.九县坪滑坡中段位移预测模型的 SHAP 图摘要。
图 23.酒仙坪滑坡拖漱排量影响因素重要性的条形图。
图 24.九仙坪滑坡拖曳位移预测模型的 SHAP 图摘要。
5. 总结
提出了一种基于数据挖掘技术的滑坡变形特征分析方法。以九仙坪滑坡为例，采用格兰杰因果关系检验分析了 I-I′、II-II′ 和 III-III' 断面 GPS 位移监测数据的时间序列和信号包含特征。该分析使我们能够识别酒仙坪滑坡的演化模式和特定的破坏模式（牵引型）。Granger 因果关系检验显示，剖面 I-I′、II-II′ 和 III-III' 变形特性的差异与防滑节段数量的变化有关。研究结果可为酒仙坪滑坡的工程加固方案提供一定的思路。
此外，考虑到滑坡变形以及降雨和地下水监测数据的特点，我们确定了九仙坪大型滑坡不同位置的位移触发因素不同。滑坡的前缘主要受水库水位波动和降雨的影响，而中段和后缘主要受前缘运动控制，降雨在一定程度上促进了滑坡。在研究过程中，我们获得了两个有趣的结论。（1） 在滑坡的前缘，当水库水位上升，导致地下水位上升时，滑坡也会变得浮力。这降低了水面的坡度和流速，使土壤和岩石饱和，降低了滑动的可能性;事实恰恰相反。（2） 滑坡前段、中段和后段的位移对降雨高度敏感。短期降雨侵蚀地表，导致流离失所;中长期降雨渗透滑坡体，增加滑体重量，减小滑带内摩擦角和内聚力，从而促进滑坡滑动。随着时间的推移，随着水的渗出，它对滑坡位移的影响会减弱。这些结果表明，在三峡库区水位下降期间，应增加酒仙坪滑坡的监测频率。此外，为了减少雨水造成的侵蚀和岩石和土壤参数的软化，必须设置适当的拦截沟和排水孔。值得强调的是，基于数据挖掘技术的滑坡变形特征分析方法分析了来自滑坡的监测数据，减少了对物理本构模型的依赖，提高了分析的实时性和准确性。但是，此方法需要高质量的监视数据。当滑坡位移监测数据存在显著噪声时，严重影响滑坡变形特征的分析结果。
在全球气候变化和极端天气事件日益频繁的背景下，本文重点研究了三峡库区酒仙坪滑坡。这些发现为监测和管理受水影响的滑坡提供了有价值的见解。此外，通过仅依靠监测数据进行分析，本研究为分析工程地质学领域的滑坡变形机制提供了另一种方法，特别是在水文变化频繁的地区。这将有助于更准确地识别滑坡的当前变形状态，优化监测和预警系统，并调整滑坡修复计划。
