1.一种滑坡位移组合预测方法，其特征是，对于每个卫星定位监测站，分别执行步骤如下：

步骤1、采用Tikhonov正则化与改进型灰狼算法相结合求模糊度浮点解及均方差，采用LAMBDA算法求出该卫星定位监测站所处监测目标的监测点处三维位置坐标，并基于该卫星定位监测站初始位置求解出各个卫星定位监测站的位移量；

步骤2、利用卡尔曼滤波器对该卫星定位监测站的位移量进行平滑滤波，得到该卫星定位监测站在不同时刻的滑坡位移实测值；

步骤3、将该卫星定位监测站在不同时刻的滑坡位移实测值进行累加，得到各个时刻的阶跃滑坡位移实测值；

步骤4、利用EEMD挖掘各个时刻的阶跃滑坡位移实测值中诱导变量与趋势变量的关系，将阶跃滑坡位移实测值的时间序列分解得到相应的高频分量即诱导项位移序列与低频分量即趋势项位移序列；

步骤5、提取步骤4中的趋势项位移序列，并采用灰色GM(1，1)模型对趋势项位移数据进行数据预测得到趋势项位移预测值；

步骤6、提取步骤4中的诱导项位移序列，并获取对应的降雨量序列与含水量序列；随机选取部分诱导项位移序列与对应的降雨量序列、含水量序列作为训练样本，对训练样本采用区间搜索得到最优神经元个数；利用所得到的神经元个数对诱导项位移序列进行ELM算法预测，得到诱导项位移预测值；

步骤7、先利用步骤5得到的趋势项位移预测值与步骤6得到的诱导项位移预测值进行组合位移预测，得到阶跃滑坡位移预测值；再对阶跃滑坡位移预测值进行累减计算得到该卫星定位监测站所处监测目标的监测点的滑坡位移预测值。

2.根据权利要求1所述的一种滑坡位移组合预测方法，其特征是，步骤1的具体过程如下：

步骤1.1、构建卫星系统的双差定位模型，并基于该双差定位模型得到卫星定位监测站的观测误差的Tikhonov正则化的表达式；

步骤1.2、采用L-曲线法求取Tikhonov正则化的表达式中的正则化参数，并确定Tikhonov正则化的表达式中正则化矩阵为单位矩阵；

步骤1.3、将正则化项融入灰狼算法的适应度函数中，以构建改进型灰狼算法的适应度函数，并通过改进型灰狼算法的适应性函数得到各个历元的模糊度的浮点解及均方差；

步骤1.4、基于各个历元的模糊度的浮点解及均方差，并采用LAMBDA算法求解模糊度的固定解，进而求取固定基线的固定解，以获得卫星定位监测站的三维位置坐标，并基于该卫星定位监测站初始位置求解出位移量。

3.根据权利要求2所述的一种滑坡位移组合预测方法，其特征是，改进型灰狼算法的适应度函数minh(Z)为：

T

式中，Z为正则化项，Z＝[b N] ，b为基线向量改正数，N是双差载波相位模糊度，为采用最小二乘法得到的Z的估计值，C＝[A D],其中A为设计矩阵，D为以波长为对角线的矩阵，L为双差观测向量，α为正则化参数，R为正则化矩阵。

4.根据权利要求1所述的一种滑坡位移组合预测方法，其特征是，步骤4的具体过程如下：

步骤4.1、对于每个时刻阶跃滑坡位移实测值，融入高斯白噪声，得到当前时刻的初始化阶跃滑坡位移实测值；

步骤4.2、对当前时刻初始化阶跃滑坡位移实测值进行高频分量提取，得到当前时刻的一个本征模函数分量；

步骤4.3、将当前时刻的初始化阶跃滑坡位移实测值减去当前时刻本征函数分量作为新的当前时刻的初始化阶跃滑坡位移实测值；

步骤4.4、重复步骤4.2-4.3，得到当前时刻的P个本征模函数分量；

步骤4.5、将当前时刻的初始化阶跃滑坡位移实测值减去当前时刻的P个本征函数分量，得到趋势项位移；

步骤4.6、重复步骤4.1-4.5，得到各个时刻的P个本征模函数分量和趋势项位移；

步骤4.7、利用各个时刻的趋势项位移得到趋势项位移序列，并通过叠加各个时刻的P个本征模函数分量得到诱导项位移序列；

其中，P为设定本征模函数分量个数。

5.根据权利要求1所述的一种滑坡位移组合预测方法，其特征是，步骤5的具体过程如下：

步骤5.1、设定趋势项位移序列的预测滚动窗起始历元；

步骤5.2、利用预测滚动窗对趋势项位移序列进行截取以构建生成序列,并计算其紧邻均值生成序列；

步骤5.3、利用紧邻均值生成序列构建雅克比矩阵，并根据雅克比矩阵构建最小二乘估计参数发展系数和灰色作用量；

步骤5.4、利用发展系数和灰色作用量，得到当前预测滚动窗的趋势项位移预测序列；

步骤5.5、利用预测滚动窗不断往前推移，并通过重复步骤5.2-5.4，得到各个预测滚动窗的趋势项位移预测序列；

步骤5.6、将各个预测滚动窗的趋势项位移预测序列进行加权累加后，得到趋势项位移预测值。

6.根据权利要求1所述的一种滑坡位移组合预测方法，其特征是，步骤6的具体过程如下：

步骤6.1、在诱导项位移序列中随机选取位移作为输出训练样本，并基于所选取的位移对应地在降雨量序列与含水量序列中选取降雨量和含水量作为输入训练样本；选定激励函数，确定最大神经元个数，将神经个数选为一；

步骤6.2、随机选择输入权值、隐含层节点偏差值与输出权值，根据选定的输入训练样本构建隐含层输出矩阵；

步骤6.3、根据隐含层输出矩阵和输出训练样本，利用最小二乘法估算输出权值，计算并得到训练样本预测数据；

步骤6.4、利用训练样本预测数据与输出训练样本计算得到训练样本均方根误差，并判断当前神经元个数是否等于最大神经元个数：如果当前神经元个数等于最大神经元个数，则将训练样本均方根误差作为目标函数，选取训练样本均方根误差最小值时对应的神经元作为最优神经元个数，转至步骤6.7；

否则，转至步骤6.5；

步骤6.5、判断训练样本均方根误差是否小于设定的误差阈值：如果训练样本均方根误差大于误差阈值，则神经元个数加1，转至步骤6.2；

否则，误差记录值加1，转至步骤6.6；

步骤6.6、判断误差记录值是否大于设定的误差记录阈值：如果误差记录值大于误差记录阈值，则选取最小神经元个数作为最优神经元个数，转至步骤6.7；

否则，误差记录值清零，神经元个数加1，转至步骤6.2；

步骤6.7、获取得到最优神经元个数，并通过执行步骤6.2和步骤6.3得到训练样本预测数据作为诱导项位移预测值。

7.实现权利要求1所述方法的一种滑坡位移组合预测系统，其特征是，包括卫星定位滑坡监测网、滑坡监测辅助网和滑坡位移预测单元；

卫星定位滑坡位移监测网包括1个卫星定位基准站和3个以上的卫星定位监测站；卫星定位基准站设置在地基稳固、无信号遮蔽、无大功率无线电发射源的位置；卫星定位监测站分别设置在监测目标潜在形变位移方向的不同监测点上；每个卫星定位监测站均与卫星定位基准站连接，所有卫星定位监测站均与滑坡位移预测单元连接；

滑坡监测辅助网包括至少一个雨量计和含水量测试计，所有雨量计和所有含水量测试计均与滑坡位移预测单元连接。

8.根据权利要求7所述的一种滑坡位移组合预测系统，其特征是，卫星定位基准站和各个卫星定位监测站之间的距离不超过5000米。