公路地质灾害评价模型比较与讨论

在Aleotti P等人研究的基础上，现将各种评价模型与方法的优缺点总结分析，不同评价方法的优缺点及其适用范围见表4.2。

表4.2　不同评价方法的优缺点及其适用范围

续表

(www.xing528.com)

表4.2中对各种评价模型和方法的优缺点的评判，工程地质界基本上已形成了共识。Aleotti P等认为，虽然神经网络的运用相对不那么普遍，但神经网络试图以很简单的方式模拟人脑的机能，近年来在解决土木工程和斜坡稳定性评价中证明是有效的，近来的研究也一次次证明了神经网络是一个有力的、多功能的、颇具应用前景的、基于计算机的工具，并特别强调神经网络最大的优点在于运用中不需要关于问题机理方面的理论知识。对于这一看法，有研究认为虽然表面上看起来神经网络的运用非常简便，但是首先已知样本的选定是一件很困难的事情；其次，由于神经网络是一个黑箱，因此其评价结果的解释也相对要困难得多。更何况，神经网络是模拟人脑的功能，倘若对问题的内在机理完全不清楚，那么也很难理解神经网络得出的结果。

表4.2中提到的监测类比法，通过对典型斜坡的各个控制和影响因素及其变形发展状况进行长期监测，以求分析找出控制影响因素与斜坡变形破坏之间的相互关系式，然后将之外延到环境背景和结构特征与之相似的其他斜坡的稳定性评价预测上。有一点是可以肯定的，相比其他方法而言，此法更崇尚实证的研究精神，这种方法在环境条件和滑坡地质灾害类别、成因机理都相对比较单一的评价区域内是有望取得较好的评价预测结果的。只是需要投入大量的人力物力来进行监测，投入不菲而且周期长，可推广性较差。加之我国滑坡地质灾害广泛分布发育的西部山区环境背景条件往往十分复杂、滑坡地质灾害多种多样，因而此法在今后相当长时间内恐怕都很难在我国有大范围的实质性应用。

同样的原因，现阶段单纯依靠确定性方法或破坏概率方法来解决我国地质灾害的危险性评价和区划问题也是不太现实的。

如前所述，上述各个模型各有优缺点，很难简单地说应该采用哪个丢弃哪个，只能在实际运用中结合研究区的实际情况灵活取舍、综合运用。

针对天山地区的环境特征和数据特点，本研究选择了模糊综合评价、信息量法和多元回归作为评价模型。其中模糊综合评判是应用模糊变换原理的最大隶属度原则进行评判，不需要已知样本；而信息量法和多元回归是根据已知样本，建立评判方程来推导未知区域的危险度。因此在这三种方法中，模糊综合评判的灵活性最高，但是对于不同区域，其隶属度函数往往不同，因此应用起来也有一定的困难；多元回归模型和信息量都需要已知样本，而多元回归往往不能通过假设检验，因此这种方法在鲁棒性上较神经网络、模糊综合评判要差一些，其应用也相应受到一定的限制。信息量法在获取样本的基础上，使用起来较为简单。