姜春露，姜振泉

（中國礦業(yè)大學資源與地球科學學院，江蘇徐州 221008）

0 引 言

巖溶塌陷是巖溶地區(qū)因巖溶作用而發(fā)生的一種地面變形和破壞的災害，是中國主要的地質災害之一。據(jù)不完全統(tǒng)計，全國共有22個省區(qū)市發(fā)生巖溶塌陷1 100例以上，塌陷坑總數(shù)超過40 000個。中國西南巖溶區(qū)是巖溶塌陷災害的重點發(fā)育區(qū)，僅廣西、云南、貴州、四川和重慶等5個西部省區(qū)市就已發(fā)生巖溶塌陷859次，占中國巖溶塌陷總數(shù)的78%［1］。巖溶塌陷的預測與評價是防治巖溶塌陷災害的基礎和前提條件，準確地預測巖溶塌陷的產生、發(fā)展趨勢和規(guī)律性，評價災害造成的社會經(jīng)濟損失，對于防災減災具有重要的理論和實際意義［2－3］。

巖溶塌陷通常是由于覆蓋在巖溶塌坑、隱伏溶洞或強烈溶蝕帶上的堆積體失穩(wěn)而突然下塌造成的。近30年來，隨著各地對巖溶塌陷形成的基本條件、影響因素及成因機制等的深入研究，專家們也逐漸開展了對巖溶塌陷的發(fā)生、發(fā)展趨勢和規(guī)律性進行定性和初步的半定量到定量分析的預測及初步評價［4－10］。近些年來，以統(tǒng)計學、運籌學、系統(tǒng)學等學科綜合交叉的方法（主要包括灰色統(tǒng)計法［11－12］、模糊綜合評判法［13－15］以及神經(jīng)網(wǎng)絡法等［16－18］）顯著提高了預測定量化的精度。但上述方法都存在缺點，例如神經(jīng)網(wǎng)絡法需要選擇模型和參數(shù)，存在收斂速度慢等缺點；對于灰色統(tǒng)計法，當原始數(shù)據(jù)序列波動較大且信息過于分散時，預測精度將會降低；模糊綜合評判法常要對各指標賦予不同的權重，而權重的確定不可避免地會帶有一定的主觀性和隨意性。

Fisher判別分析法是根據(jù)已有觀測樣本的若干數(shù)量特征對新獲得的樣本進行識別、預測，并判斷其所屬類型的一種統(tǒng)計分析方法［19］。該判別法對原始數(shù)據(jù)分布并無特殊要求，非常適合樣本分布未知的情況，并且可以全面考慮影響判別的各種因素。筆者基于Fisher判別分析法，建立了巖溶塌陷的Fisher線性判別函數(shù)，并應用到實際工程評價中，取得了較好的效果。

1 Fisher判別分析法理論

1.1 Fisher判別分析法思想

Fisher判別分析法采用投影方法，把多維問題化為一維問題，而仍用線性判別函數(shù)來解決多個總體的判別問題。投影的原則是將總體與總體之間盡可能分開，然后根據(jù)類間距離最大、類內距離最小的原則確定判別分析函數(shù)，進而將新的樣本進行分類判別［20］。

1.2 Fisher判別分析法效果檢驗

判別方法的有效性表現(xiàn)在兩個方面：一是對已知分類樣本的回代判別正確率高；二是對于新樣品分類具有很高的判斷正確率。為考察上述判別準則是否優(yōu)良，采用以訓練樣本為基礎的回代估計法計算誤判率［21］。

2 巖溶塌陷的Fisher判別分析法

2.1 主要影響因素及判別因子

根據(jù)文獻［22］，桂林巖溶區(qū)巖溶塌陷的影響因素有8個：塑性指數(shù)X1、液性指數(shù)X2、天然孔隙比X3、內聚力X4、內摩擦角X5、覆蓋層厚度X6、覆蓋層厚度減高水位埋深X7、覆蓋層厚度減低水位埋深X8。經(jīng)過逐步判別研究得出，控制本區(qū)巖溶塌陷的主要因素為內聚力、內摩擦角、覆蓋層厚度、覆蓋層厚度減高水位埋深、覆蓋層厚度減低水位埋深。內聚力和內摩擦角是土體穩(wěn)定性計算必不可少的參數(shù)，其與巖溶塌陷密切相關；覆蓋層厚度表示了土的自重相對大?。凰宦裆畋硎舅母⊥辛ο鄬Υ笮。凰蛔兎硎舅淖饔昧ο鄬Υ笮?。因此，筆者采用內聚力X4、內摩擦角X5、覆蓋層厚度X6、覆蓋層厚度減高水位埋深X7、覆蓋層厚度減低水位埋深X8共5個因素作為判別因子，建立模型進行巖溶塌陷預測。判別結果中，0表示穩(wěn)定，1表示塌陷。

2.2 Fisher線性判別函數(shù)的建立

以上述5個巖溶塌陷判別指標作為判別因子，以文獻［22］提供的20組數(shù)據(jù)資料為訓練樣本（表1），根據(jù)Fisher判別分析法，應用SPSS統(tǒng)計分析軟件進行相關計算，獲得未標準化的Fisher判別函數(shù)系數(shù)，建立Fisher線性判別函數(shù)Y

巖溶塌陷與否的兩類總體典型判別函數(shù)在各組別的中心值分別為－1.937和1.937。在此基礎上，可以通過比較待判樣本函數(shù)值與兩組別中心值的距離來判別某一新樣本歸屬哪一組別。

2.3 判別效果檢驗

利用回代估計法對20組訓練樣本進行回代檢驗（表1）。由表1可知判別結果與實際情況完全相符，代入回判公式可知誤判率為0。將預測結果與逐步判別［22］及神經(jīng)網(wǎng)絡判別［16］結果進行比較分析（表1）。由表1可以看出，利用這3種方法進行判別的結果一致，但與神經(jīng)網(wǎng)絡模型方法相比，筆者提出的方法更具有實用性和有效性，體現(xiàn)在建立模型時選擇20組樣本進行訓練，不需進行模型和參數(shù)的選擇，不受人為因素影響，避免了神經(jīng)網(wǎng)絡判別的目標函數(shù)存在極小點等問題。

表1 計算樣本及結果Tab.1 Calculating samples and results

3 模型應用

為進一步驗證模型的可靠性，選擇文獻［22］中另外10組代表性的案例進行預測（表2）。將表2中指標代入所建立的Fisher線性判別函數(shù)中，可以分別得到10組不同案例得分。然后，分別計算各案例得分到各類別中心值的距離，結果見表2。以序號為1的案例為例，可以計算其得分到各類中心得分的距離分別為4.755和0.881。由于其距第1類中心點的距離（d1）大于距第0類中心點的距離（d0），因此，可以將序號為1的案例判別為塌陷。同理，可以對其他案例進行判別預測。

表2 實例判別結果對比Tab.2 Comparisons of results of predicting samples in practical engineering

將預測結果與現(xiàn)場情況對比，其結果與實際情況吻合。由此可見，筆者建立的巖溶塌陷預測的Fisher判別分析法具有一定的工程應用價值。

4 結 語

運用Fisher判別分析法，考慮土體強度、覆蓋層厚度及水動力條件，針對巖溶塌陷預測問題，建立了Fisher線性判別函數(shù)。模型檢驗及實例計算結果表明，利用所建立的線性判別函數(shù)對巖溶塌陷進行判別是合理可行的。該方法對巖溶塌陷判別預測快速、有效，適用性強。

［1］ 王思敬，黃鼎成.中國工程地質世紀成就［M］.北京：地質出版社，2004.WANG Si－jing，HUANG Ding－cheng.Century achievements of engineering geology in China［M］.Beijing：Geology Publishing House，2004.（in Chinese）

［2］ 賀可強，王 濱，杜汝霖.中國北方巖溶塌陷［M］.北京：地質出版社，2005.HE Ke－qiang，WANG Bin，DU Ru－lin.Karst collapse in North China［M］.Beijing：Geology Publishing House，2005.（in Chinese）

［3］ 蔣忠誠，裴建國，夏日元，等.我國“十一五”期間的巖溶研究進展與重要活動［J］.中國巖溶，2010，29（4）：349－354.JIANG Zhong－cheng，PEI Jian－guo，XIA Ri－yuan，et al.Progresses and important activities of karst research during the 11th Five－year Plan in China［J］.Carsologica Sinica，2010，29（4）：349－354.（in Chinese）

［4］ 陳國亮.巖溶地面塌陷的成因與防治［M］.北京：中國鐵道出版社，1994.CHEN Guo－liang.Causes and prevention of the karst surface collapse［M］.Beijing：China Railway Publishing House，1994.（in Chinese）

［5］ 康彥仁.中國南方巖溶塌陷［M］.桂林：廣西科技出版社，1990.KANG Yan－ren.Karst collapse in South China［M］.Guilin：Guangxi Science and Technology Press，1990.（in Chinese）

［6］ 雷明堂，蔣小珍，李 瑜.巖溶塌陷預測評價系統(tǒng)及其應用——以唐山巖溶塌陷為例［J］.中國巖溶，1997，16（2）：97－104.LEI Ming－tang，JIANG Xiao－zhen，LI Yu.Sinkhole evaluation system and its application—taking the sinkholes in Tangshan City for example［J］.Carsologica Sinica，1997，16（2）：97－104.（in Chinese）

［7］ 蒙 彥，管振德.應用光纖傳感技術進行巖溶塌陷監(jiān)測預報的關鍵問題探討［J］.中國巖溶，2011，30（2）：187－192.MENG Yan，GUAN Zhen－de.A discussion on the key techni－cal problem in monitoring and predicting sinkhole with optical fiber sensing（BOTDR）technique［J］.Carsologica Sinica，2011，30（2）：187－192.（in Chinese）

［8］ 熊平生，袁道先，謝世友.我國南方巖溶山區(qū)石漠化基本問題研究進展［J］.中國巖溶，2010，29（4）：355－362.XIONG Ping－sheng，YUAN Dao－xian，XIE Shi－you.Progress of research on rocky desertification in South China karst mountain［J］.Carsologica Sinica，2010，29（4）：355－362.（in Chinese）

［9］ 劉功余.桂南紅層巖溶及其發(fā)育控制因素探討［J］.中國巖溶，2011，30（2）：145－155.LIU Gong－yu.Karst features and the controlling factors of redbeds in South Guangxi［J］.Carsologica Sinica，2011，30（2）：145－155.（in Chinese）

［10］ 劉 輝，李 波，吳從師，等.巖溶隧道掘進爆破震動效應分析［J］.長安大學學報：自然科學版，2010，30（4）：56－59.LIU Hui，LI Bo，WU Cong－shi，et al.Analysis on effects of vibration resulted from driving blasting in karst tunnel［J］.Journal of Chang'an University：Natural Science Edition，2010，30（4）：56－59.（in Chinese）

［11］ 張發(fā)旺，賈秀梅，趙 華.灰色統(tǒng)計方法及其在巖溶塌陷預測分析中的應用［J］.河北地質學院學報，1996，19（2）：144－150.ZHANG Fa－wang，JIA Xiu－mei，ZHAO Hua.Application of gray system statistic method in the field of karst collapse prediction analysis［J］.Journal of Hebei College of Geology，1996，19（2）：144－150.（in Chinese）

［12］ 蒙 彥，黃健民，雷明堂，等.基于灰色Verhulst模型的巖溶塌陷定量預報預測方法［J］.中國巖溶，2009，28（1）：17－22.MENG Yan，HUANG Jian－min，LEI Ming－tang，et al.Quantitative forecast method of karst collapse based on grey Verhulst Model［J］.Carsologica Sinica，2009，28（1）：17－22.（in Chinese）

［13］ 陳學軍，陳植華，陳先華，等.桂林市西城區(qū)巖溶塌陷模糊層次綜合預測［J］.桂林工學院學報，2000，20（2）：112－116.CHEN Xue－jun，CHEN Zhi－h(huán)ua，CHEN Xian－h(huán)ua，et al.Fuzzyhierarchy prediction of karst collapse in the West Area of Guilin City［J］.Journal of Guilin Institute of Technology，2000，20（2）：112－116.（in Chinese）

［14］ 包惠明，胡長順.巖溶塌陷兩級模糊綜合評判［J］.水文地質工程地質，2001，28（3）：49－52.BAO Hui－ming，HU Chang－shun.Two－stage fuzzy comprehensive evaluation of karst collapse［J］.Hydrogeology and Engineering Geology，2001，28（3）：49－52.（in Chinese）

［15］ 柏 瑾，周游游，王 偉.基于模糊綜合評判的大石圍天坑群生態(tài)旅游形象定位［J］.中國巖溶，2010，29（1）：93－97.BAI Jin，ZHOU You－you，WANG Wei.Eco－tourism image positioning for Dashiwei Tiankeng group on the basis of comprehensive fuzzy evaluation［J］.Carsologica Sinica，2010，29（1）：93－97.（in Chinese）

［16］ 賀玉龍，楊立中，黃 濤.人工神經(jīng)網(wǎng)絡在巖溶塌陷預測中的應用研究［J］.中國地質災害與防治學報，1999，10（4）：86－90.HE Yu－long，YANG Li－zhong，HUANG Tao.Research on application of artificial neural network in the prediction of karst collapse［J］.The Chinese Journal of Geological Hazard and Control，1999，10（4）：86－90.（in Chinese）

［17］ 朱慶杰，劉挺權，張秀彥.唐山市巖溶塌陷的神經(jīng)網(wǎng)絡預測模型［J］.遼寧工程技術大學學報，2003，22（6）：753－755.ZHU Qing－jie，LIU Ting－quan，ZHANG Xiu－yan.Neural network predicting model of karst collapse in Tangshan City［J］.Journal of Liaoning Technical University，2003，22（6）：753－755.（in Chinese）

［18］ 鄭長統(tǒng)，梁 虹.基于人工神經(jīng)網(wǎng)絡的喀斯特地區(qū)水資源承載力綜合評價——以貴州省為例［J］.中國巖溶，2010，29（2）：170－175.ZHENG Chang－tong，LIANG Hong.Comprehensive evaluation on carrying capacity of water resources based on the artificial neural network—a case study in Guizhou Province［J］.Carsologica Sinica，2010，29（2）：170－175.（in Chinese）

［19］ 陳紅江，李夕兵，劉愛華，等.用Fisher判別法確定礦井突水水源［J］.中南大學學報：自然科學版，2009，40（4）：1114－1120.CHEN Hong－jiang，LI Xi－bing，LIU Ai－h(huán)ua，et al.Identifying of mine water inrush sources by Fisher discriminant analysis method［J］.Journal of Central South University：Science and Technology，2009，40（4）：1114－1120.（in Chinese）

［20］ 于秀林.多元統(tǒng)計分析［M］.北京：中國統(tǒng)計出版社，2002.YU Xiu－lin.Multiple statistical analysis［M］.Beijing：China Statistical Publishing House，2002.（in Chinese）

［21］ 范金城，梅長林.數(shù)據(jù)分析［M］.北京：科學出版社，2002.FAN Jin－cheng，MEI Chang－lin.Data analysis［M］.Beijing：Science Press，2002.（in Chinese）

［22］ 中國地質科學院巖溶地質研究所.桂林環(huán)境工程地質［M］.重慶：重慶出版社，1988.Institute of Karst Geology of Chinese Academy of Geological Sciences.Guilin environmental engineering geology［M］.Chongqing：Chongqing Publishing House，1988.（in Chinese）