1.边坡变形预测方法，其特征在于，包括以下步骤：步骤1，获取监测目标的边坡变形数据，并利用混沌理论对这些数据进行混沌特性分析；

步骤2，如果获取的边坡变形数据具备混沌特性，结合加权零阶局域预测模型、改进的一阶加权局域预测模型和改进的最大Lyapunov指数预测模型，建立最优权联合混沌预测模型；

步骤3，利用最优权联合混沌预测模型进行边坡变形预测。

2.如权利要求1所述的边坡变形预测方法，其特征在于，获得边坡变形数据后，首先对其进行检测并剔除异常数据，然后再进行标准化处理。

3.如权利要求2所述的边坡变形预测方法，其特征在于，标准化处理后采用3σ法来对边坡变形数据进行检测，判断其是否符合一致性的原则，具体方法为：假设对监测点执行n次监控，获得的第i次监测值是Ti,i＝1,2,...,n，将其跳动特征定义为：di＝|2×Ti-(Ti-1+Ti+1)|跳动特征的均值为：

跳动特征的均方差为：

相对差值为：

如果Qi>3，则将边坡变形数据视为异常值并且丢弃，然后使用插值方法获取替换值。

4.如权利要求3所述的边坡变形预测方法，其特征在于，一致性验证通过后，采用max-min标准化或Z-score标准化方法对边坡变形数据进行归一化处理。

5.如权利要求4所述的边坡变形预测方法，其特征在于，边坡变形数据归一化处理完成后，采用Wolf法、p-范数法或小数据量法计算边坡变形数据的Lyapunov指数，当Lyapunov指数大于0时表示边坡变形数据具有混沌特性。

6.如权利要求1所述的边坡变形预测方法，其特征在于，改进的加权一阶局域预测模型为：

1)对于时间序列x(t),t＝1,2,...,T，该相空间的点为xi(t)＝{xi(t),xi(t+τ),...,xi(t+(m-1)τ)}，采用C-C法求延迟时间τ和嵌入维数m，根据延迟时间和嵌入维数对时间序列进行相空间重构；

2)设相空间的中心点Yk的邻近点为Ykj,j＝1,2,...,q，将Yk到Ykj的距离记为dj，其中dm为中心点到各邻近点的最小距离，则 的权重为：

3)执行预测操作，线性拟合的加权一阶局域：其中

令m＝1，即：

最后通过加权最小二乘法得到：

将上式看成存在两个未知数a、b的函数，对上式进行求偏导进而得到：及：

对这两个式子进行简化处理，根据简化处理的结果得到两个未知数a、b的方程组：解上述方程组有：

将其代入第3)步的预测运算得：

获得加权一阶局域预测模型的预测值；

4)对各邻近相点的演化规律进行加权，并以邻近相点的一步演化相点的规律来预测参考相点的一步演化相点，即以q个相点 的各分量加权和作为预测相点Yk+1的各分量值，则有：根据预算可以得到一步预测为

7.如权利要求1所述的边坡变形预测方法，其特征在于，建立最优权联合混沌预测模型的方法如下：实际监测位移时间序列:(T1,W1),(T2,W2),...,(Tm,Wm)，式中Wm表示Tm时刻的实际监测位移值；

选用y个位移预测模型，得m对预测位移值：(T1,W1j),(T2,W2j),...,(Tm,Wmj)，式中：Wmj表示Tm时刻第j个模型计算得到的预测位移值；

预测位移值与实际位移值之间的相对误差表示为：Wmj-Wm；

设 其中：

(Q)mj称为预测模型的精度矩阵；

将E＝(1,1,...,1)1×m归一化处理将得到矩阵(ωm)1×j，使用y个预测模型来预测监测点的最终位移值，获得j个位移预测结果，并且R用于表示位移预测结果，则有：

8.如权利要求1所述的边坡变形预测方法，其特征在于，所述方法还包括：在实际边坡位移值达到预测位移值的一定比例时，进行报警。

9.如权利要求8所述的边坡变形预测方法，其特征在于，当实际边坡位移值达到预测位移值的80％时进行报警。