1.一种基于动态串联PSO‑BILSTM的滑坡变形速率预测方法，包括以下步骤：

步骤一：设置进行滑坡变形速率预测的相关参数；

步骤二：对监测得到的动态变形速率序列进行数据预处理，通过集合经验模态分解将预处理后的变形速率序列进行分解，得到周期项变形速率序列和趋势项变形速率序列；

步骤三：通过多项式拟合对趋势项变形速率序列进行拟合并预测，得到趋势项预测变形速率，并将该预测的变形速率加入趋势项预测变形速率序列；

步骤四：按设置的保留数和稀释倍数对周期项变形速率序列数据量进行保留和稀释，建立周期项PSO‑BILSTM的预测网络对周期项变形速率进行预测，并将预测结果加入周期项预测变形速率序列；

步骤五：建立总PSO‑BILSTM预测网络对总预测变形速率进行预测，得到总预测变形速率；

步骤六：加入下一次变形速率监测数据，将监测数据与总预测变形速率进行相减，得到下一循环建立总PSO‑BILSTM网络所需的残差率及残差值，并将残差值加入残差变形速率序列；

步骤七：返回步骤二并重复步骤二 步骤七，每重复一个循环，可对下一次的变形速率~

进行预测。

2.如权利要求1所述的一种基于动态串联PSO‑BILSTM的滑坡变形速率预测方法，其特征在于，所述变形速率方法包括周期项PSO‑BILSTM预测网络、总PSO‑BILSTM预测网络。

3.如权利要求1所述的一种基于动态串联PSO‑BILSTM的滑坡变形速率预测方法，其特征在于，步骤一中，滑坡变形速率预测的相关参数包括数据预处理平滑系数P、预测循环总数C、PSO数据稀释倍数D、PSO数据保留数R、周期项PSO‑BILSTM启动残差率R1、总PSO‑BILSTM启动循环数C2、总PSO‑BILSTM启动残差率R2、动态滑窗截取数据I。

4.如权利要求1所述的一种基于动态串联PSO‑BILSTM的滑坡变形速率预测方法，其特征在于，步骤二中，对动态变形速率序列进行数据预处理是按实测的变形速率序列和步骤一中设置的预处理平滑系数P，将变形速率序列中每一项n（1

~

5.如权利要求1所述的一种基于动态串联PSO‑BILSTM的滑坡变形速率预测方法，其特征在于，步骤三中，进行多项式拟合时，会根据均方根误差（RMSE）来判定拟合精度，并在3 5~阶内自动选择多项式拟合的阶数。

6.如权利要求1所述的一种基于动态串联PSO‑BILSTM的滑坡变形速率预测方法，其特征在于，步骤四中，周期项变形速率序列要经过保留和稀释两种操作，其方法是按照稀释倍数D，将周期项变形速率序列中除去保留项R外的其他数据量稀释为1/D个。

7.如权利要求1所述的一种基于动态串联PSO‑BILSTM的滑坡变形速率预测方法，其特征在于，步骤四和步骤五中，周期项PSO‑BILSTM预测网络和总PSO‑BILSTM预测网络中，PSO寻优的相关参数包括隐含层节点数、初始学习率、学习率降低因子、正则化系数，且只有当残差率大于周期项PSO‑BILSTM启动残差率R1时，才采用PSO方法对周期项PSO‑BILSTM预测网络进行优化；同样的，只有当残差率大于总PSO‑BILSTM启动残差率R2时，才采用PSO方法对总PSO‑BILSTM预测网络进行优化。

8.如权利要求1所述的一种基于动态串联PSO‑BILSTM的滑坡变形速率预测方法，其特征在于，步骤四中，周期项PSO‑BILSTM预测网络中以时间序号和周期项变形速率序列作为二维输入，以周期项变形速率为输出。

9.如权利要求1所述的一种基于动态串联PSO‑BILSTM的滑坡变形速率预测方法，其特征在于，步骤五中，总PSO‑BILSTM预测网络在循环次数大于总PSO‑BILSTM启动循环数C2时才会启动，且总PSO‑BILSTM预测网络以趋势项预测变形速率序列、周期项预测变形速率序列和上一循环得到的残差变形速率序列作为三维输入，以待预测的实际变形速率为输出；

其中，残差变形速率序列中第一个值设为0，序列其他值由步骤六计算求得。

10.如权利要求1所述的一种基于动态串联PSO‑BILSTM的滑坡变形速率预测方法，其特征在于，步骤八中，重复的循环数量为预测循环总数C，当完成C个循环后，计算终止。