1.一种陡坡防滑坡危险监测信息分析方法，其特征在于：包括：

步骤一、获取陡坡防滑坡数据信息；

在本步骤中，通过终端设备实现陡坡防滑坡数据信息的获取，其中终端设备至少包括监测终端、雨量监测终端、地表裂缝监测终端、深部位移监测终端或者土壤水分计；并通过K‑means聚类算法实现多源异构数据信息的处理；

K‑means聚类算法设置有编码器和Adam优化器，编码器为基于PLC控制模块实现不同数据信息的编码，Adam优化器根据历史陡坡防滑危险数据信息梯度震荡和过滤震荡后，实现输入数据信息的更新；步骤二、提取陡坡防滑坡数据信息特征；

在本步骤中，通过无线通信的方式或者串行通信方式实现陡坡防滑坡数据信息特征接收，通过卷积神经网络与长短期记忆神经网络提取陡坡防滑坡数据信息特征，并对提取陡坡防滑坡数据信息特征进行分析；

卷积神经网络包括输入矩阵、卷积核、特征提取模块、数据归一化模块和输出模块，其中所述输入矩阵的输出端与卷积核的输入端连接，卷积核的输出端与特征提取模块的输入端连接，特征提取模块的输出端与数据归一化模块的输入端连接，数据归一化模块的输出端与输出模块的输入端连接；

长短期记忆神经网络模型包括设置有提速器的遗忘门和输入门以及输出门，所述提速器为基于PFGA控制的提速模块；步骤三、构建预警模型实现陡坡防滑坡数据信息的分析，预警模型为KM‑SVM滑坡实时预警模型；KM‑SVM滑坡实时预警模型包括卡尔曼滤波模块和支持向量机模块，其中卡尔曼滤波模块用于危险数据信息的预测，所述支持向量机模块用于危险数据信息的诊断；

卡尔曼滤波模块通过动态数据处理递推算法实现数据预测，数据类型包括滑坡裂缝形变速率、水平方向累积形变量、垂直方向平均形变速率、累积加速度、累积加加速度、裂缝、累积形变量、日降雨量和土壤含水量；对这些数据信息通过最新时刻进行观测值，以观测滑坡信息状态的随机差分数据信息，其中卡尔曼滤波模块的预测模型为：（1）

公式（1）中， 表示当前时刻的滑坡信息状态向量， 、 为滑坡信息状态向量在更新过程中转移矩阵， 为卡尔曼滤波模块处理数据信息时的控制输入， 表示卡尔曼滤波模块的激励噪声， 表示滑坡信息的向量序号，滑坡信息状态更新过程可表示为：（2）

公式（2）中， 表示滑坡信息向量数据转移矩阵， 表示滑坡信息状态更新函数，表示滑坡的监测信息序列， 表示滑坡信息状态最佳估计值；通过卡尔曼滤波进行线性递推滤波，并计算出当前数据的最佳估计量，表示所有滑坡信息的向量， 表示前一刻时间滑坡信息状态向量； 表示滑坡信息状态最佳估计值影响量参数；

在本步骤中，将边坡形变速率、加速度、累积形变量、裂缝、雨量、土壤含水量作为综合预警指标，根据各自不同等级的预警阈值，形成高精度多源信息融合预警体系，当滑坡裂缝形变速率大于25mm/d、水平方向累积形变量大于125mm、垂直方向平均形变速率大于30mm/d、累积加速度和累积加加速度大于0、裂缝计5日累积形变量大于125mm、日降雨量大于

200mm或者土壤含水量大于75%时，陡坡防滑坡处于高危状态；当滑坡裂缝形变速率小于

6mm/d、水平方向累积形变量小于30mm、垂直方向平均形变速率小于10mm/d、累积加速度和累积加加速度小于0、裂缝计5日累积形变量小于30mm、日降雨量小于50mm或者土壤含水量在30% 45%范围内时，陡坡防滑坡无滑坡风险。

~

2.根据权利要求1所述的一种陡坡防滑坡危险监测信息分析方法，其特征在于：终端设备为位移传感器，其中位移传感器采用STM32F105RBT6 32 位单片机，主频可达到72MHZ，采用 8MHz 有源晶振为单片机的时钟模块。

3.根据权利要求1所述的一种陡坡防滑坡危险监测信息分析方法，其特征在于：获取陡坡防滑坡数据信息的时间间隔为30分钟。

4.根据权利要求1所述的一种陡坡防滑坡危险监测信息分析方法，其特征在于：当介于0‑4之间时，存在滑坡裂缝形变速率大于25mm/d、水平方向累积形变量大于125mm、垂直方向平均形变速率大于30mm/d、累积加速度和累积加加速度大于0、裂缝计5日累积形变量大于125mm、日降雨量大于200mm或者土壤含水量大于75%； 大于4时，存在滑坡裂缝形变速率小于6mm/d、水平方向累积形变量小于30mm、垂直方向平均形变速率小于10mm/d、累积加速度和累积加加速度小于0、裂缝计5日累积形变量小于30mm、日降雨量小于50mm或者土壤含水量在30% 45%范围内。

~

5.根据权利要求1所述的一种陡坡防滑坡危险监测信息分析方法，其特征在于：支持向量机通过非线性转换将输入的滑坡裂缝形变速率、水平方向累积形变量、垂直方向平均形变速率、累积加速度、累积加加速度、裂缝、累积形变量、日降雨量和土壤含水量向量数据信息映射到高纬空间，通过超平面表示为：（3）

公式（3）中， 、 表示对滑坡裂缝形变速率、水平方向累积形变量、垂直方向平均形变速率、累积加速度、累积加加速度、裂缝、累积形变量、日降雨量和土壤含水量支持向量分类确定的参数， 表示SVM的惩罚因子， 表示SVM的松弛因子， 、 表示输入的训练序列，表示样本个数；SVM的分类方程可表示为：（4）

公式（4）中， 表示SVM的核函数，用于计算向量内积计算，预警模型通过构建序列寻找最佳特征步长，计算公式表示为：（5）

公式（5）中， 表示滑坡的特征信息，N表示数据样本的序列号，p表示任意整数值，q表示特征步长， 表示最佳特征步长输出公式， 最佳特征步长的数据信息序列。

6.根据权利要求5所述的一种陡坡防滑坡危险监测信息分析方法，其特征在于：最佳特征步长的数据信息序列与险情程度成正比。