1.一种基于改进狼群算法的非圆弧边坡滑面搜索方法，其特征在于：包括以下步骤：基于预建立的数值模型，提取数值模型的基本信息，所述基本信息包括节点数目np，单元格数目ne，单元材料编号、单元中的节点编号、每个网格节点坐标、节点处应力分量大小和每种材料抗剪强度参数；

根据单元材料编号对单元格进行分类，将不同种类材料的单元格用不同颜色显示，以此将边坡图像分层绘出；

将边坡图像中坡顶和坡脚某一范围内边坡表面的区域设置为头狼及母狼可能活动范围，也即边坡的滑出滑入点，作为狼群算法的头狼母狼初始位置；

头狼、母狼、探狼以固定步长游走，共同组成狼群组合，按照头狼与母狼横坐标等分，每个等分点纵向线设置为探狼活动位置，以固定步长游走，来确定样条曲线方程，头狼执行召唤行为，确定路径上各点坐标，然后猛狼执行围攻行为，确定路径上各点的应力信息；

根据应力信息计算出相邻两匹狼之间的滑动力及抗滑力，安全系数为滑动力之和比抗滑力之和，定义狼群的适应度为安全系数的倒数，再根据适应度的大小淘汰掉不适宜的狼群，最后将适应度值最大的样条曲线作为最优化样条曲线。

2.根据权利要求1所述的一种基于改进狼群算法的非圆弧边坡滑面搜索方法，其特征在于：提取数值模型基本信息的具体过程为：数值模型由一系列多边形标准单元构成，每一个多边形标准单元由节点和边构成，每个多边形单元内节点编号和单元编号均从1开始，对数值模型进行分析，提取数值模型的单元格数目ne，每个单元材料编号，对于ne个单元格，分别提取节点数目np，三分量节点坐标(x，y，z)和节点处应力分量大小(σxx，σyy，τxy)，循环ne个单元格，循环完成后得到每个节点的坐标与应力值以及单元格材料编号。

3.根据权利要求2所述的一种基于改进狼群算法的非圆弧边坡滑面搜索方法，其特征在于：多边形标准单元包括三角形单元或者四边形单元，每个多边形标准单元均由4个节点构成，四边形单元构成写成(1，2，3，4)，三角形单元构成写成(1，2，3，3)。

4.根据权利要求3所述的一种基于改进狼群算法的非圆弧边坡滑面搜索方法，其特征在于：边坡图像分层绘出具体步骤为：遍历所有单元格，先判别单元格材料的类别，根据材料类别对单元格进行分类，再找到每种材料中单元格节点编号所对应的点的坐标，将坐标以1‑2、2‑3、3‑4、4‑1或者1‑2、2‑3、3‑3、3‑1的顺序连接起来，组成四边形或三角形，将不同材料单元格用不同颜色依次绘出，即可得到二维边坡图像。

5.根据权利要求4所述的一种基于改进狼群算法的非圆弧边坡滑面搜索方法，其特征在于：头狼母狼初始位置确定具体步骤为：给定滑出点横坐标范围(Xtl1，Xtl2)以及滑入点横坐标范围(Xml1，Xml2)，设给定的初始滑出点横坐标为x＝Xtl1，初始滑入点横坐标为x＝Xtl2，遍历所有节点，计算每个节点到直线x＝Xtl1的距离d1＝|x‑Xtl1|，到直线x＝Xml1的距离d2＝|x‑Xml1|，分别筛选出K个距离最小的点的坐标，然后在K个坐标中选取纵坐标最大值，则此时所对应的点的纵坐标即为滑出滑入点纵坐标，此时，初始头狼及母狼位置被确定，分别设为(Xtl1，Ytl1)和(Xml1，Yml1)。

6.根据权利要求5所述的一种基于改进狼群算法的非圆弧边坡滑面搜索方法，其特征在于：将头狼及母狼横坐标三等分，分别记为Xt1＝Xtl1+(Xml1‑Xtl1)/3，Xt2＝Xtl1+2*(Xml1‑Xtl1)/3，初始探狼分别为头狼母狼连线与x＝Xt1及x＝Xt2交点，也即初始探狼坐标为(Xt1，(Xt2，初始探狼分别以固定步

长x_d3和x_d4向下游走p和q步，其中，x_d3＝(ymax1‑ymin1)/p、x_d4＝(ymax2‑ymin2)/q)，其中ymax1和ymax2分别为每探狼游走区域上限，也即初始探狼位置，ymin1和ymin2分别为每探狼游走区域下限，也即边坡最下限，将此时的探狼与头狼和母狼作为三次样条曲线的四个控制节点，来求出样条曲线的表达式。

7.根据权利要求6所述的一种基于改进狼群算法的非圆弧边坡滑面搜索方法，其特征在于：样条曲线表达式具体求解步骤如下：将所研究区间[a，b]分为n个区间[(x0，x1)，(x1，x2)……(xn‑1，xn)]，共有n+1个点，端点值分别为x0＝a，xn＝b，三次样条曲线定义：(1)在每一个分段小区间[xi，xi+1]上，S(x)＝Si(x)都为一个三次方程，则在[xi，xi+1]处的三次样条函数的展开式为：

3 2

Si(x)＝di(x‑xi) +ci(x‑xi) +bi(x‑xi)+ai，xi≤x≤xi+1  (1)，(2)S(x),S′(x),S″(x)在[a，b]上都连续，(3)S(x)满足差值条件S(xi)＝yi，i＝0，1，2……n，令：yi＝f(xi)，hi＝xi+1‑xi， Si'(xi)＝mi，i＝0，1，2……n根据定义(1)(2)(3)，在[xi，xi+1]区间有：(a)插值连续性：Si(xi)＝yi、Si(xi+1)＝yi+1，其中i＝0，1，2，……，n‑1由Si(xi)＝yi可得ai＝yi

3 2

由Si(xi+1)＝yi+1可得dihi+cihi+bihi+ai＝yi+1(b)微分连续性：Si′(xi+1)＝Si+1′(xi+1)、Si″(xi+1)＝Si+1″(xi+1)，其中i＝0，1，2，……，n‑1

由Si′(xi+1)＝Si+1′(xi+1)即:

2 2

Si′(xi+1)＝3di(xi+1‑xi) +2ci(xi+1‑xi)+bi＝3dihi+2cihi+bi2

Si+1′(xi+1)＝3di+1(xi+1‑xi+1) +2ci+1(xi+1‑xi+1)+bi+1＝bi+12

得bi+3dihi+2cihi‑bi+1＝0

由Si″(xi+1)＝Si+1″(xi+1)得2ci+6dihi‑2ci+1＝0

3 2

(c)样条曲线的微分式：Si(x)＝di(x‑xi) +ci(x‑xi) +bi(x‑xi)+ai2

Si′(x)＝3di(x‑xi) +2ci(x‑xi)+biSi″(x)＝6di(x‑xi)+2ci(x‑xi)

设mi＝Si″(xi)＝2ci+1，则2ci+6dihi‑2ci+1＝0可写为mi+6dihi‑mi+1＝0，可推出3

将di、ci代入yi+bihi+2cihi+dihi＝yi+1可得将di、ci、bi代入

2

bi+3dihi+2cihi‑bi+1＝0

可得：

在自由边界下，即S″＝0，此时m0＝0，mn＝0

根据上式，可构造如下式(3)矩阵：

公式(3)中，fi＝6(pi+1‑pi),i＝1,2,3……n‑1在固定边界下，由于首尾两端点的微分值是被指定的，分别假设为A、B，则由S0′(x0)＝A可得：由Sn‑1′(xn)＝B可得：

在非扭结边界条件时：S0″′(x0)＝S1″′(x1)、Sn‑2″′(xn‑2)＝Sn‑1″′(xn‑1)由于Si″′(x)＝6di，其中 d0＝d1,dn‑2＝dn‑1，也即h1(m1‑m0)＝h0(m2‑m1)，hn‑1(mn‑1‑mn‑2)＝hn‑2(mn‑mn‑1)由z个未知数的非齐次方程组Ux＝Q有唯一解的充分必要条件是R(U)＝R(Q)＝z，可知矩阵方程在以上三种情况下都有唯一解，对上述三个矩阵方程采用高斯列主元消去法即可求解得出mi

最后，代入式(1)可以得出：

di＝yi,i＝0,1,2…n‑1

求出各项系数后，即可得到该样条曲线方程，头狼处探狼以固定步长x_d1游走m步，母狼处探狼以固定步长x_d2游走t步，共产生m*t*p*q组狼群，每组不同的头狼、母狼及探狼组合都可以求出一种不同的样条曲线结果，然后根据边坡滑动面特点筛选掉不符合边坡滑动面特点的曲线。

8.根据权利要求7所述的一种基于改进狼群算法的非圆弧边坡滑面搜索方法，其特征在于：应力信息确定前需要确定路径上探狼处气味浓度，具体确定方式如下：使用机器学习方法将各单元格节点处的横坐标、纵坐标、应力值作为数据集，将土层种类当作标签，对土层进行分类，在每一种土层中，将各点处应力值作为该点的一个特征，将数据集中的一部分当作训练集，在训练集中根据每种土层中应力值在水平方向和竖直方向上的分布规律，对数据进行学习，然后在剩余的另一部分数据集中验证规律，将预测结果与训练数据的实际结果进行比较，不断的调整预测模型，直到模型的预测结果达到一个预期的准确率。

9.根据权利要求8所述的一种基于改进狼群算法的非圆弧边坡滑面搜索方法，其特征在于：适应度D具体计算过程为：设滑动方向向右，逆时针为下滑力正方向，则其中某一段上的抗剪强度τf和切向应力τ的计算公式如下:τα＝0.5(σyy‑σxx)sin2α+τxycos2α                         (5)σα＝0.5(σxx+σyy)‑0.5(σxx‑σyy)cos2α‑τxysin2α                   (6)第i段的平均滑动力：第i段的平均抗滑力：

式中：σxx，σyy，τxy分别为单元形心沿x方向的正应力、y方向的正应力和切应力，α为斜面与水平面的夹角，σα为斜面的法向应力，τα为斜截面的切向应力，和c分别为材料的内摩擦角和内聚力；

计算出每一段上的滑动力和抗滑力，然后计算相应滑面上的安全系数，安全系数定义为：狼群适应度D定义为:

式(10)中：A和B分别为边坡起始点和终止点，w为滑动面所经过的段的数量，τ为沿滑动面滑动方向的剪应力，τf为剪切强度，dL为沿滑动面每一段的长度增量，τi为从第i‑1个节点到第i个节点路径上的剪应力， 为从第i‑1段到第i段路径上的抗剪强度，Δdi为从第i‑1阶段到第i阶段路径的长度。