1.一种基于信息融合监控分析滑坡运动形态的方法，其特征在于，包括以下步骤：

(1)研究滑坡概况，在滑坡上设置监测点，连续数月收集每个监测点每天的位移数据；

(2)将每天收集的每个监测点的位移数据分别取绝对值，通过累计求和得到每个监测点每个月的累计位移，根据每个监测点每个月的累计位移变化判断每个监测点的运动状态变化，并根据每个监测点的运动状态变化对各个监测点进行初步分块，相同运动状态变化的监测点分在同一监测块内；

(3)对每个监测点每个月位移数据的平面分量进行二维分析，并根据二维分析判断每个监测点的平面运动轨迹，据此，对各个监测点的初步分块结果进行修正；

(4)对各个监测块内的监测点进行融合得到融合综合点，通过融合综合点分别对每个监测块内的滑坡运动形态进行表示，先通过监测块的平移运动对滑坡的运动形态进行表示，再通过建立刚体模型，通过刚体模型的旋转和平移运动对滑坡的运动形态进行表示，然后综合两种表示方式所得的滑坡运动形态，确定滑坡运动形态；

(5)根据步骤(4)确定的滑坡运动形态对滑坡运动过程做出快速评估；

利用卡尔曼滤波融合算法，将分块后的监测点数据以块为单位，采取集中式多传感器融合每个传感器得到k+1时刻的最优估计值，即滤波后的值Zi(k+1)，然后将各个传感器得到的滤波值在融合中心进行融合，得到每个监测块的融合综合点值；所述卡尔曼滤波融合算法是对每个监测点的传感器产生的数据进行融合，每一个传感器均是融合的一个模块，传感器与传感器之间互不干扰；

融合步骤如下：

计算滑坡每个监测点的运动位移和运动速度，公式如下：

式中：s(x)表示监测点在x状态的运动位移，s(x+1)表示监测点在x+1状态的运动位移，v(x)表示在x状态的运动速度，v(x+1)表示在x+1状态的运动速度，a(x)表示监测点在x状态到x+1状态的加速度，T表示监测点在x状态到x+1状态的时间；

将上述滑坡每个监测点的运动位移和运动速度作为滑坡的卡尔曼系统的状态变量，则可以得到动态监测模型为：H(k)＝{1 0}；

W(k)＝a(k)；

式中：X(k+1)表示k+1时刻的系统状态，X(k)表示k时刻的系统状态，Φ(k)、H(k)、Γ(k)均表示测量系统参数，Z(k)表示滑坡监测点实际的位移监测值，W(k)和V(k)分别表示过程和测量的高斯白噪声，且两者互不相关。

2.根据权利要求1所述的基于信息融合监控分析滑坡运动形态的方法，其特征在于，所述步骤(2)中，绘制每个监测点的累计位移随月份的变化曲线，根据变化曲线判断每个监测点的运动形变时期的变化等情况，所述运动状态变化包括平稳型形变，指数型形变，阶梯型形变和收敛型形变，将变化曲线相似的监测点归为同一类，将同一类的监测点划分至同一监测块。

3.根据权利要求1所述的基于信息融合监控分析滑坡运动形态的方法，其特征在于，所述步骤(3)中，根据各个监测点的每个月位移数据的平面分量绘制各个监测点在平面的运动轨迹图，据此初步的分析该监测点的平面运动轨迹，通过分析对初步分块结果进行验证。

4.根据权利要求1所述的基于信息融合监控分析滑坡运动形态的方法，其特征在于，所述步骤(4)中，将每个监测块内的所有监测点的位移数据以块为单位通过卡尔曼滤波融合算法进行融合，得到每个监测块内所有监测点在融合中心的融合综合点；

对每个监测块的融合综合点进行一维分析，得到每个监测块融合综合点的运动状态；

对每个监测块的融合综合点进行二维分析，得到每个监测块的运动轨迹；

综合每个监测块的运动轨迹得到滑坡运动形态。

5.根据权利要求4所述的基于信息融合监控分析滑坡运动形态的方法，其特征在于，所述步骤(4)中，首先建立刚体模型，将每个监测块看作一个刚体，并建立坐标，以每个刚体运动前的融合综合点的位置作为刚体运动的起点，然后以每个刚体运动后的融合综合点的位置作为刚体运动的终点，通过粒子群优化算法寻找每个月每个刚体运动前后相对于坐标轴的旋转角度，并通过不断更新局部最优和全局最优值，寻找坐标误差最小值对应的每个刚体运动前后相对于坐标轴的旋转角度，然后将此旋转角度带入计算公式对每个刚体的运动轨迹进行表示，所述计算公式如下：式中：X1为刚体运动前的融合综合点的位置，X2为刚体运动一个月后的融合综合点的位置，ΔX为刚体的月累积位移， 为刚体绕X轴旋转 角度，Rθ(y)为刚体绕Y轴旋转θ角度， 为刚体绕Z轴旋转 角度；

综合每个刚体的运动轨迹得到滑坡运动形态。