基于贝叶斯网络的地震诱发滑坡不确定性概率分析方法研究

本研究针对地震诱发滑坡风险评估中参数不确定性问题，提出基于贝叶斯网络(BN)的概率分析方法，通过构建伪静态安全系数(FSpseudo)和永久位移(Dp)的联合概率模型，结合蒙特卡洛模拟(MCS)和多元概率分布(MPD)验证，实现了考虑土体参数随机性的滑坡稳定性评估。案例验证表明该方法较传统确定性分析更保守可靠，为山地城市防灾规划提供新工具。

　　

地震灾害常引发连锁性地质灾害，其中滑坡对基础设施和生命安全的威胁尤为突出。传统确定性分析方法难以量化土体参数（如内摩擦角φ、黏聚力c）和地震动参数（如峰值水平加速度a_max）的不确定性影响，而现有概率方法如蒙特卡洛模拟(MCS)计算成本高，人工神经网络等机器学习模型又存在可解释性差的问题。针对这些技术瓶颈，研究人员开展了基于贝叶斯网络(BN)的地震诱发滑坡概率分析方法研究，成果发表于《Soils and Foundations》。

研究团队采用Python编程语言的pgmpy库构建BN模型，关键技术包括：1) 基于无限斜坡模型的伪静态安全系数(FS_pseudo)方程；2) Newmark临界加速度(a_critical)计算；3) Ambraseys-Menu永久位移(D_p)经验公式；4) 最大似然估计(MLE)参数离散化；5) 多元概率分布(MPD)理论验证。案例数据来源于2016年日本熊本地震诱发的阿苏大桥滑坡。

3.1 伪静态安全系数计算
通过无限斜坡模型推导FS_pseudo = [tanφ(1-(a_max/g)tanβ)+c/(γzcos²β)]/[(a_max/g)+tanβ]，考虑土体单位重量γ、滑面深度z等6个随机变量，其中a_max服从λ=10的指数分布，其他参数为正态分布。

3.2 临界加速度计算
基于Newmark方法建立a_critical = (FS_pseudo-1)gsinβ关系式，当FS_pseudo=1时临界加速度为零，预示滑坡启动。

3.3 永久位移计算
采用Ambraseys-Menu公式logD_p = 0.9+log[(1-a_critical/a_max)^2.53+(a_critical/a_max)^-1.09]，生成121组位移配置数据输入BN。

3.4 基于BN的概率分析
将各参数离散为5个状态（如φ分为<17.52°至>22.56°区间），通过KBinsDiscretizer算法实现连续变量离散化。结果显示FS_pseudo在1.013-1.039区间的概率达15%，临界加速度0.007g-0.02g的概率为16%。

4. 多元概率分布方法验证
通过变量转换将FS_pseudo表示为x₁-x₅的函数，推导联合概率密度函数，验证BN结果的可靠性。对比显示BN与MCS的破坏概率(P_f)均为67%，MPD为68%，一阶可靠性方法(FORM)结果也高度吻合。

5. 参数敏感性研究
发现当确定性FS_pseudo≈0.65时，不同变异系数(COV_c=0.1-0.4)下的P_f趋近于1。坡度影响分析表明，缓坡(10°)的FS_pseudo呈指数增长，但λ值(5-15)对P_f影响较小。

7. 案例应用
在2016年熊本地震阿苏大桥滑坡中，BN分析得到的最大FS_pseudo=1.5较确定性结果(1.57)更保守，位移预测与实测更吻合。滑坡区域(32°53′9.6″N, 130°59′2.7″E)的土体参数显示：φ=28-65°，c=65-95 kPa，滑体厚度达420-700m。

该研究创新性地将BN框架应用于地震滑坡概率风险评估，解决了传统方法无法量化参数不确定性的问题。通过建立FS_pseudo-a_critical-D_p的因果网络，实现了多源信息的概率融合，其可视化建模特点更利于工程决策。未来可结合数值模拟扩展复杂地形应用，并通过实时监测数据更新BN参数，构建动态预警系统。研究为山地城市防灾规划提供了兼具理论严谨性和工程实用性的新工具。