1.一种基于优化参数选择的滑坡预测方法，其特征在于，包括以下步骤：

S1使用EEMD分解方法将滑坡累计位移时间序列数据分解为多个IMF分量和一个残余项，将所有的IMF分量累加得到滑坡位移周期项，残余项为滑坡位移趋势项；

S2利用多项式对滑坡位移趋势项进行拟合，并使用最小二乘法预测，建立滑坡位移趋势项预测模型；

S3采用结合t检验的CEEMD分解方法，将降雨时间序列数据重构出关于不同降雨诱发因素的高频序列和低频序列形成降雨时间序列组，将库水位时间序列数据重构出关于不同库水位诱发因素的高频序列和低频序列形成库水位时间序列组；

S4在降雨时间序列组中对降雨诱发因素时间序列进行优选，在库水位时间序列组中对库水位诱发因素时间序列进行优选，将优选的降雨诱发因素时间序列、库水位诱发因素时间序列与S1中得到的滑坡位移周期项作为输入参数，对优化算法进行选择，并与SVR模型结合，得到滑坡位移周期项预测结果；

S5将S4得到的滑坡位移周期项预测结果与S2得到的滑坡位移趋势项预测结果累加得到滑坡累计位移预测结果；

其中，步骤S4中“在降雨时间序列组中对降雨诱发因素时间序列进行优选，在库水位时间序列组中对库水位诱发因素时间序列进行优选”具体为：将降雨时间序列组、库水位时间序列组中的各时间序列、滑坡位移周期项进行归一化处理，通过LCSS计算得到各时间序列与滑坡位移周期项的距离，在降雨时间序列组、库水位时间序列组中分别优选距离最小的时间序列；

步骤S4中“对优化算法进行选择，并与SVR模型结合，得到滑坡位移周期项预测结果”具体为： 2

利用多种优化算法分别与SVR模型结合，对滑坡位移周期项位移进行预测，以R 或RMSE为评价指标，对优化算法进行优选，优选ABC模型为优化模型，对滑坡位移周期项进行预测。

2.如权利要求1所述的基于优化参数选择的滑坡预测方法，其特征在于，步骤S3包括以下步骤：S31将降雨时间序列数据重构为当月降雨量时间序列、前两月累计降雨量时间序列、当月与前一个月累计降雨量时间序列、当月与前两个月累计降雨量时间序列，将库水位时间序列数据重构为当月库水位时间序列、库水位月间变化时间序列、库水位两月间变化时间序列；

S32采用CEEMD分解方法将S31中重构的各种时间序列分别分解为n个IMF分量和一个残余项：IMF 1、IMF 2...IMF n、Residue；

S33舍弃Residue，将第m个IMF分量IMFm与第一个IMF分量IMF 1进行t检验，若IMFm均值与IMF 1均值的差异显著性小于阈值，则IMF 1‑IMFm‑1的叠加结果为高频序列，IMFm‑IMF n的叠加结果为低频序列，其中，1

3.一种基于优化参数选择的滑坡预测设备，其特征在于，所述基于优化参数选择的滑坡预测设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的基于优化参数选择的滑坡预测程序，所述基于优化参数选择的滑坡预测程序被所述处理器执行时实现如权利要求1至2中任一项所述的基于优化参数选择的滑坡预测方法的步骤。

4.一种存储介质，其特征在于，所述存储介质上存储有基于优化参数选择的滑坡预测程序，所述基于优化参数选择的滑坡预测程序被处理器执行时实现如权利要求1至2中任一项所述的基于优化参数选择的滑坡预测方法的步骤。