1.一种滑坡稳定性时变规律分析的方法，其特征在于，包括以下步骤：

(1)根据滑坡每月的变形速度和变形加速度构成每月的二维特征数据集；

(2)利用K均值算法对每月的二维特征数据集进行聚类分析得到类簇，并为每个类簇分配聚类标签；

(3)对各个类簇分别建立云模型，并计算二维特征数据集内二维特征数据相对于云模型的隶属度，根据隶属度对步骤(2)的聚类标签进行修正，并将修正后的聚类标签所代表的形变状态作为滑坡该月的形变状态，以此类推得到滑坡每月的形变状态；

(4)根据滑坡每月的形变状态对滑坡的形变状态进行统计，并据此计算滑坡每月形变状态的信息量模型，所述信息量模型包括状态出现信息量和状态转移信息量，将状态出现信息量、状态转移信息量和云模型中二维特征数据到对应云模型的隶属度乘积定义为马尔科夫信息量，据此计算每月的马尔科夫信息量；

(5)分析每月的马尔科夫信息量幅值及波动情况，初步判断滑坡下月的形变状态情况；

将各月的马尔科夫信息量累加得到累计马尔科夫信息量曲线，分析累计马尔科夫信息量曲线的整体变化趋势和阶段，据此判断滑坡稳定性时变规律；

对累计马尔科夫信息量曲线进行平滑处理，并进行历史最大值分析，据此判断滑坡稳定性时变规律的关键时间节点信息，预测滑坡稳定性发展趋势。

2.根据权利要求1所述的滑坡稳定性时变规律分析的方法，其特征在于，所述步骤(2)中，利用K均值算法对每月的二维特征数据集进行聚类分析包括以下步骤：预设聚类数为K；

在所述二维特征数据集中随机选取K个二维特征数据分别设为K个初始聚类中心；

计算除K个初始聚类中心外其他二维特征数据分别到K个初始聚类中心的距离，分别比较每个二维特征数据到K个初始聚类中心的距离，将每个二维特征数据和与其距离最小的初始聚类中心归为同一类簇，初次聚类后，计算每个类簇里所有二维特征数据的平均值，并将该平均值确定为新的聚类中心，重复计算每个二维特征数据分别到每个新的聚类中心的距离，并比较距离，重新得到类簇，依此重复直至损失函数的精度小于0.001或相邻损失函数的值不变，所述损失函数的值越小，各个类簇的区分度越大。

3.根据权利要求2所述的滑坡稳定性时变规律分析的方法，其特征在于，所述损失函数的计算方式为：式中：L表示损失函数；Dintra表示一类簇里所有二维特征数据到对应聚类中心的距离总和，反映类内数据的一致性；Dinter表示K个聚类中心之间的距离总和，反映类间数据的差异性；xi表示二维特征数据i；cj为第j类簇的聚类中心。

4.根据权利要求2或3所述的滑坡稳定性时变规律分析的方法，其特征在于，利用K均值算法对每月的二维特征数据集重复进行N次聚类，N大于1，将N次聚类所得的类簇根据择多判决法确定最终的类簇。

5.根据权利要求1所述的滑坡稳定性时变规律分析的方法，其特征在于，所述步骤(3)中，对步骤(2)得到的每个类簇分别建立云模型，计算每个云模型的数字特征，所述数字特征包括均值、熵和超熵，然后计算并比较所有二维特征数据相对于每个云模型数字特征的隶属度，将每个二维特征数据归入隶属度最高的云模型中。

6.根据权利要求5所述的滑坡稳定性时变规律分析的方法，其特征在于，所述数字特征通过逆向云发生器计算，所述云模型通过正向云发生器进行直观分析。

7.根据权利要求1所述的滑坡稳定性时变规律分析的方法，其特征在于，所述步骤(4)中，状态出现信息量计算公式如下：式中：at为第t月滑坡的变形加速度，Si为本月滑坡的形变状态，Ni为滑坡形变状态Si出现的频数，pi为Si出现的概率，Ii为状态出现信息量。

8.根据权利要求7所述的滑坡稳定性时变规律分析的方法，其特征在于，所述步骤(4)中，状态转移信息量计算公式如下：式中：Iij表示从Si转移到Sj的状态转移信息量，pij表示从Si转移到Sj出现的概率。

9.根据权利要求8所述的滑坡稳定性时变规律分析的方法，其特征在于，所述步骤(4)中，每月的马尔科夫信息量的计算公式如下：式中：uij为马尔科夫信息量，且uij＝Ij*Iij*mbst，mbst表示第t月云模型中二维特征数据到对应云模型的隶属度。