1.基于运动角差的滑坡形变相似性评判方法，其特征主要包括以下步骤：步骤1)、滑坡位移监测数据的收集：在同一地区选择不同的滑坡并收集每个滑坡不同监测点的位移监测数据；

步骤2)、基于滑坡运动角差的概念，将滑坡每个月的位移监测数据进行转换，转换为滑坡每个月的位移运动角；

步骤3)、将滑坡每个月的位移运动角扩展至更高一维的运动角差以及二维运动角差进行表示；

步骤4)、采用K均值聚类算法对滑坡位移的运动角差进行聚类分析，并评价其相似性。

2.根据权利要求1所述的一种基于运动角差的滑坡形变相似性评判方法，其特征在于，所述步骤2)的具体步骤为：根据滑坡各个监测点位移数据的最大值，利用公式(1)求得各个滑坡监测点每个月的运动角，利用运动角度表示监测点的位移情况，从而统一各个监测点的运动情况；

式中，Si,j为第i个监测点的第j个月的位移值；Si为第i个监测点所属滑坡的所有位移值。

3.根据权利要求1所述的一种基于运动角差的滑坡监测点相似性评判方法研究，其特征在于，所述步骤3)的具体分析为；

运动角差是指同一个监测点每两个月的运动角的差值，利用公式(2)可求得每个监测点每个月的运动角差值；

式中，Si,j-1为第i个监测点的第j-1个月的位移值；MaxΔs为第i个监测点每连续两个月间位移差值的最大值；Δθi,j为第i个监测点的第j个月的运动角差；

根据二维位移数据，将运动角差也扩展到二维情况；二维运动角差的求解不仅根据每个月位移，还记录每个月位移的方向，将两个月的位移矢量作差定义为二维运动角差，对于第i个监测点，二维运动角差求解公式如式(3)；

式中，对于第i个监测点， 为第j个月的二维运动角差，ΔθJ,x与ΔθJ,y分别为第j个月二维运动角差的正东和正北分量；其中，对于ΔθJ,x利用公式(4)进行求解；对于ΔθJ,y利用公式(5)进行求解；

式中，θj为第j个月的运动角， 为第j个月位移顺时针偏离正北方向的弧度；θj-1为第j-

1个月的运动角， 为第j-1个月位移顺时针偏离正北方向的弧度；Δθj,x为第j个月与第j-1个月的顺时针偏离正北方向角度差值；Δθm,x为所有Δθj,x中的最大值；

式中，Δθj,y为第j月与第j-1月的顺时针偏离正东方向角度差值；Δθm,y为所有Δθj,y中的最大值。

4.根据权利要求1所述的一种基于运动角差的滑坡监测点相似性评判方法研究，其特征在于，所述步骤4)的具体分析为；

采用K均值聚类算法利用运动角差对监测点聚类，从而评判其相似性；

该算法以欧式距离作为数据点相似性的评判依据，通过迭代将数据聚成K类使得类内数据距离最小，类间距离最大；算法的损失函数L的一种数学表达如式(6)所示；

式(6)中，xi表示数据点i；Cj表示聚类结果中的第j类的数据集合；cj为Cj的聚类中心；ci为与Cj为不同类的聚类中心；Dintra表示所有数据点到对应聚类中心的距离总和，反映类内数据的一致性；Dinter表示各聚类中心之间的距离总和，反映类间数据的差异性；L越小，各类的区分度越高。