岩质边坡是一种由变质、沉积等岩石组成的边坡，主要存在于山间、河流沿岸等区域。影响多视角岩质边坡稳定性的因素较多^[1]，即内在因素与外在因素两方面，内在因素包括岩体强度变化引发的岩石力学参数变化、地质构造因子改变引发的断层裂隙、边坡倾斜度调整改变的边坡几何形态；外在因素包括水文条件改变引发的质量移动、地震震动触发的边坡滑移、气候风化作用产生的坡面形状异常。一旦出现岩质边坡失稳，不仅会导致周边基础设施与建筑物严重损伤，甚至导致人员伤亡，影响生态与社会环境的稳定性，因此，进行多视角岩质边坡稳定性风险识别是目前的研究要点。

贾志波等提出基于修正抗滑桩模型的多视角岩质边坡稳定性风险识别方法^[2]，其主要利用Fish语言构建了识别修正模块，按照破坏类型模拟断裂桩，结合多指标对比风险差异，完成风险修正。该方法依赖预设的桩体破坏类型模拟断裂行为，导致风险临界状态分析受限于极限阻滑作用的单一力学视角。当岩体发生非预设模式的渐进变形时，其风险时程曲线因无法动态适合位移演化变量而出现拟合偏差。向波等提出基于渐进破坏理论的多视角岩质边坡稳定性风险识别方法^[3]，其主要利用半无限楔形模型计算坡面开挖应力，量化解析滑面稳定系数，获取状态特征，进行稳定性临界分析。该方法基于半无限楔形模型将地质构造因子简化为静态参数，未考虑峰前残余应力变化影响。当岩体强度发生非线性衰减时，固定视角下的应力解析容易低估稳定性突变风险。邓子昊等提出基于集成学习和LEM的多视角岩质边坡稳定性风险识别方法^[4]，其主要随机生成折线型边坡样本，进行极限平衡求解安全系数，生成识别数据库，完成风险识别验证。该方法在随机生成样本时预设了折线型破坏的几何边界，受限于边缘集成条件的刚性约束，难以准确拟合边坡稳定性风险突变。谭勇等提出基于CatBoost集成学习的多视角岩质边坡稳定性风险识别方法^[5]，其主要根据边坡基本几何地质要素进行建模计算，完成广域尺度评价，构建CatBoost集成学习预测模型，完成边坡稳定性风险识别。但该方法参数调优依赖经验性先验知识，当岩石力学参数受环境影响实时变化时，难以准确捕捉风险临界状态时程变化。

一致块对角和限定可以将原始数据矩阵分解为若干个小矩阵，获取特征子空间，提取关键特征，实现信息多视角融合与综合分析评估。因此，本文基于一致块对角和限定设计了一种多视角岩质边坡稳定性风险识别方法。传统多视角融合技术仅机械叠加位移速度等演化变量，未解决不同视角下风险临界状态的耦合冲突。本文将稳定性风险识别达标函数作为核心，通过风险划分一致项线性组合边坡边界状态土壤结构环境变化等六类参数，利用一致块对角和限定将异质参数非线性关联转化为可分解特征子空间，使绝对位移与相对位移等视角自动适配实际变形过程。风险限定条件通过视角公共表示解决传统方法视角固化导致的数据失稳，结合亲和矩阵解析多弱面协同滑移路径，避免稳定性风险拟合偏差。

选取河南山区某在建高速公路工程K129+350～K129+780段右侧边坡作为实验研究对象。该边坡地处构造剥蚀地貌，左侧边界受断层控制形成高陡崖，右侧边界因河流侵蚀作用下降，呈现典型非对称地形特征。公路爆破施工振动诱发该边坡软弱夹层蠕变，前期勘察表明坡体存在沿NE65°裂隙与NW15°夹层形成的复合滑移带，威胁下方施工营地安全。该边坡坡高为239.04 m，底边宽度为478.56 m，左侧边界高度为289.05 m，右侧边界高度为50 m，岩体与软弱结构面物理学参数如表1、表2所示。

表1 岩体物理学参数Table 1 Physical parameters of rock mass

表2 软弱结构面物理学参数Table 2 Physical parameters of weak structural planes

由表1、表2可知，选取的工程岩质边坡对象的左右边界高度差异明显，覆盖了高陡边坡的典型地质特征，且同时整合了岩体与软弱结构面，能够代表非均质岩体的复杂稳定性状态。结合上述实例参数使用Lysmer/Kuhlemeyer法确定稳定性风险识别边界条件。首先，基于表1所示的现场勘察获取的岩体物理学参数，计算岩体的纵波波速和横波波速，确定边坡岩体的粘滞边界波速参数V为3790 m/s。其次，根据计算出的波速，确定粘滞边界的法向和切向阻尼系数。Lysmer/Kuhlemeyer法通过在模型边界设置阻尼器来吸收入射波能，其阻尼系数与介质的波阻抗成正比。对于法向应力分量，边界阻尼系数取为C=ρVA。其中，A为边界单元的面积。模型底部设置为固定边界，四周侧面则设置为这些粘滞边界，以吸收由内部向外传播的散射波，模拟半无限空间。然后，结合输入荷载进行边界条件的赋值。实验中使用seismosignal截取了峰值加速度为0.63 m/s²的输入地震波。在FLAC3D中，将此荷载作用于模型底部固定边界之上，同时确保四周的粘滞边界能够有效吸收入射波，防止波在边界处发生非物理反射，从而保证动力响应模拟的真实性。最后，通过上述边界条件的设置，运行数值模型，计算区域边坡的应力、位移时程响应，确保动力传输过程符合岩体真实变形规律。通过地质勘察数据，设定制灾因子产生概率指标=0.85表示高概率；根据边坡高度和邻近基础设施数据计算暴露程度指标=1.2反映高暴露风险。利用公式（2）构建风险识别模型，其中边坡边界状态参数基于左侧边界高度289.05 m和右侧50 m的非对称地形取值为0.75；边坡土壤结构参数基于表1岩体粘聚力1 MPa和内摩擦角47°推导为0.68；边坡初始状态参数根据初始坡角45°，设为0.6；塌陷引发参数考虑爆破施工振动取1.1；边坡环境变化参数结合水文条件设为0.55；边坡损伤性参数从损伤历史赋值为0.7。这些参数通过线性组合后代入公式（3）计算边坡失稳系数，其中变化时间点风险等级因子取1.05以反映施工动态影响。

在模型离散化与边界条件设置中：稳定性风险识别达标函数中的局部风险更新系数、赋权系数和综合处理因子分别取0.90、0.85和1.0，以适配随机环境影响。确定模型边界条件使用Lysmer/Kuhlemeyer法处理动力传输值，输入粘滞边界吸收入射波，峰值加速度0.63 m/s²，确保模型符合岩体真实变形规律。几何离散化时，模型长宽高设置为500 m×480 m×240 m，坡角45°，并基于公式（2）～（4）的输出来调整单元网格尺寸。单元框标准识别单元尺寸为5 m，从而生成三维边坡结构。最终，通过FLAC3D软件将参数化后的模型进行可视化，构建的岩质边坡稳定性风险识别模型如图1所示。

图1 岩质边坡三维模型Fig.1 Three dimensional model of rock slope

由图1可知，按照岩质边坡三维模型的动力传输要求，进行边界分量调整，截取满足单元框标准识别单元，校正加速度时程基线，避免了数值发散导致的失真，获取边坡稳定性风险识别结果。

基于三维模型，利用1.2节公式（5）生成风险划分一致项，其中风险特征系数从岩体密度2500 kg/m³和剪切模量18.7 GPa推导为0.78，视角转换维数取3，对应三维空间，线性空间参量设为0.05。然后，通过一致块对角和限定进行矩阵分解，应用公式（6）的多视角目标动态识别函数，其中塌陷风险子单元和正则化参数分别取0.65和0.1，以处理异质参数非线性关联。公式（7）的风险限定条件设为视角数量6，对应六类参数，并结合CSMSC进行矩阵分解，生成动态视角表示结果，其中风险动态向量和一致性常量从Mohr-Coulomb准则调整中分别赋值为0.70和0.15。在边坡失稳判据公式（9）中，核矩阵范数取1.2，用于量化失稳可行性。将判据值作为FLAC3D模拟的输入变量。模型区域扩展为边坡横向1.5倍、纵向2倍，即750 m×500 m范围。折减系数从1.0至0.5递减用于模拟安全系数变化。每个折减系数下，计算判据值与关键点位移的映射，对应位移突变阈值。通过迭代计算，获取位移-折减系数曲线，从而识别稳定性风险突变点。将判据值输入到公式（10）计算风险等级变量。其中位移数据最大值推导为2.5，等级项数=5，代表五级风险。权重向量集通过博弈论组合赋权，其中组合赋权差异向量和一致性指数分别取0.12和0.08。结合公式（12）和公式（13）获得风险等级期望值，将其与判定阈值对照，获得风险值。由此在不同折减系数条件下获取的岩质边坡关键点位移突变稳定性风险识别结果如图2所示。

图2中的关键点是潜在滑移控制点、动力响应特征点、模型监测验证点。潜在滑移控制点集中于控制边坡稳定性的地质软弱结构面上。实验对象边坡存在沿NE65°裂隙与NW15°夹层形成的复合滑移带。因此，关键点布置在这两条优势结构面的交汇处。动力响应特征点被设置在坡肩，即左侧高陡崖顶部。该点对动力荷载的响应最为显著，能够反映边坡的整体振动变形趋势。模型监测验证点在模型内部潜在破裂面以外相对稳定的岩体区域设置。在FLAC3D数值模型中，这些关键点通过内置的history命令被设置为位移监测点，程序在每一步强度折减计算中都会记录其位移时程数据。

由图2可知，在不同折减系数条件下，研究方法能敏感识别边坡的位移状态，反映边坡破坏发展过程，降低突变风险识别影响，表明研究方法具有可行性。

图2 岩质边坡关键点位移突变稳定性风险识别结果Fig.2 Risk identification results of sudden displacement and stability changes at key points of rock slope

为了体现方法参数的敏感性，调整水平与纵向折减系数，设置受拉区与受剪区两个不同区域，将原始剪应变增量设置为1.26×10^-1，随机输入弹性振动，修正时段末速度与曲线发散冗余量，采用FLAC 3D软件进行模拟，在不同折减系数下得到的岩质边坡剪应变稳定性风险识别结果如图3所示。

由图3可知，研究方法在受拉区与受剪区均能有效反馈存在稳定性风险区域，与岩质边坡软弱结构面发展趋势一致，未出现判断贯通失稳问题。

前期勘察数据可知，该高速公路工程岩质边坡研究对象在施工过程中具有不同的弹性振动，基础位移处于同步增大状态，可以验证识别方法的环境适应鲁棒性。针对该工程实例，在上述相同模拟条件下，利用本文方法、文献[2]方法、文献[3]方法对岩质边坡稳定性风险临界状态进行拟合识别，实例模拟平台使用seismosignal截取输入荷载，此时的峰值加速度为0.63 m/s²，结合粘滞边界吸收或发出入射波，得到三种方法的岩质边坡稳定性风险临界状态拟合性能对比结果如图4所示。

图3 岩质边坡剪应变稳定性风险识别结果Fig.3 Risk identification results of shear strain stability of rock slope

图4 岩质边坡稳定性风险临界状态拟合性能结果Fig.4 Results of fitting performance for critical state of rock slope stability risk

由图4可知，与其他两种文献方法相比，在位移/速度两种不同类别的临界状态下，本文方法获得的风险临界状态时程曲线与实际风险临界状态时程曲线拟合度较高，且不存在文献方法存在的破坏贯通耦合问题。这是因为本文利用一致块对角和限定进行特定结构矩阵分解，按照边坡地质条件限制生成多视角目标动态识别函数，从而利用多动态视角准确识别工程边坡的横纵向风险状态满足边坡稳定性剪力变化要求。

多视角岩质边坡稳定性风险识别方法将一致块对角和限定与边坡稳定性风险识别融合，不仅能确定岩体的倾斜性状态，根据获取的滑坡位移信息发现威胁程度，采取相应的加固措施，还可以判断边坡可能出现的失稳模式，确定综合风险等级，对实现工程活动与环境可持续发展有重要意义。