1.一种基于多传感器信息融合在山体滑坡中的预测方法，其特征在于：包括以下步骤：获取多种传感器采集的山体参数；

分别计算每个条块的稳定系数Kf；

分别统计每个条块的安全系数概率m；

利用D‑S证据理论算法分别融合得到每个条块的安全系数；

综合所有条块的安全系数，判断山体整体的安全状态；

所述获取多种传感器采集的山体参数的步骤，包括：将山体分为若干个条块，获取设置在每个条块上的N组传感器采集的山体参数；其中每组传感器均包括孔隙水压力传感器、土压力传感器、降雨量传感器、内摩角度传感器、含水量传感器；

所述分别计算每个条块的稳定系数Kf的步骤，包括：根据获取的传感器采集的山体参数，分别计算每个条块中每组传感器的稳定系数：式(1)中：

TD＝γwhLβcos(α‑β)   (2)RD＝γwhLβsin(α‑β)   (3)其中，Kf表示稳定系数；

W表示条块重量(Kn/m)；

C表示条块内聚力(kPa)；

L表示条块带长度(m)；

3

γw表示条块中含水重量(kN/m)；

ru表示孔隙水压力比；

φ表示条块内摩擦角度；

α表示条块滑带倾斜角度；

β表示条块地下水流向角度；

h表示条块含水层厚度(m)。

2.根据权利要求1所述的一种基于多传感器信息融合在山体滑坡中的预测方法，其特征在于：所述分别统计每个条块的安全系数概率m的步骤，包括：将山体的安全状态分为U＝(安全，预警，预报)三个等级，分别用A代表安全，B代表预警，C代表预报；

结合每个条块中N组传感器的稳定系数Kf1，Kf2,...KfN：若Kf大于1，则属于安全等级；若Kf等于1，则属于预警等级；若Kf小于1，则属于预报等级；

根据N组传感器所采集的参数，计算P次稳定系数Kf1，Kf2,...KfN，若Kf属于安全等级的次数为pA次，若Kf属于预警等级的次数为pB次，若Kf属于预报等级的次数为pC次，则：安全状态概率：

预警状态概率：

预报状态概率：

分别计算得到N组传感器的安全等级概率：m1A,m1B,m1C,m2A,m2B,m2C,...mNA,mNB,mNC；

根据每组传感器的安全等级概率，计算归一化常数K：式(4)中，d∈U。

3.根据权利要求2所述的一种基于多传感器信息融合在山体滑坡中的预测方法，其特征在于：所述利用D‑S证据理论分别融合得到每个条块的安全系数的步骤，包括：计算安全状态时的组合mass函数：计算预警状态时的组合mass函数：计算预报状态时的组合mass函数：得到安全状态时的信任函数值：得到预报状态时的信任函数值：得到预警状态时的信任函数值：。

4.根据权利要求3所述的一种基于多传感器信息融合在山体滑坡中的预测方法，其特征在于：所述综合所有条块的安全系数，判断山体整体的安全状态的步骤，包括：结合所有条块得出的安全信任函数值、预报信任函数值、预警信任函数值，得到山体整体或局部的安全状态。