1.一種基于物理機(jī)制和神經(jīng)網(wǎng)絡(luò)模型耦合的地震邊坡失穩(wěn)概率智能預(yù)測(cè)方法，其特征在于，包括如下步驟：
2.根據(jù)權(quán)利要求1所述的基于物理機(jī)制和神經(jīng)網(wǎng)絡(luò)模型耦合的地震邊坡失穩(wěn)概率智能預(yù)測(cè)方法，其特征在于：在步驟s1中，具體包括如下：
3.根據(jù)權(quán)利要求1所述的基于物理機(jī)制和神經(jīng)網(wǎng)絡(luò)模型耦合的地震邊坡失穩(wěn)概率智能預(yù)測(cè)方法，其特征在于：在步驟s2中，基于構(gòu)建的數(shù)據(jù)庫(kù)進(jìn)行數(shù)據(jù)特征提取，具體包括如下：
4.根據(jù)權(quán)利要求1所述的基于物理機(jī)制和神經(jīng)網(wǎng)絡(luò)模型耦合的地震邊坡失穩(wěn)概率智能預(yù)測(cè)方法，其特征在于：在步驟s3中，具體包括如下：
5.根據(jù)權(quán)利要求4所述的基于物理機(jī)制和神經(jīng)網(wǎng)絡(luò)模型耦合的地震邊坡失穩(wěn)概率智能預(yù)測(cè)方法，其特征在于：所述指標(biāo)閾值判斷的表達(dá)式如下：
6.根據(jù)權(quán)利要求1所述的基于物理機(jī)制和神經(jīng)網(wǎng)絡(luò)模型耦合的地震邊坡失穩(wěn)概率智能預(yù)測(cè)方法，其特征在于：在步驟s4中，具體包括如下：
7.根據(jù)權(quán)利要求6所述的基于物理機(jī)制和神經(jīng)網(wǎng)絡(luò)模型耦合的地震邊坡失穩(wěn)概率智能預(yù)測(cè)方法，其特征在于：所述影響因子重要性計(jì)算公式如下：
8.根據(jù)權(quán)利要求1所述的基于物理機(jī)制和神經(jīng)網(wǎng)絡(luò)模型耦合的地震邊坡失穩(wěn)概率智能預(yù)測(cè)方法，其特征在于：在步驟s5中，將步驟s4中的特征值和目標(biāo)值/標(biāo)簽作為數(shù)據(jù)集，采用5折交叉驗(yàn)證將數(shù)據(jù)集隨機(jī)分為5份，依次選擇其中4份作為訓(xùn)練集，1份作為測(cè)試集，將訓(xùn)練集帶入卷積神經(jīng)網(wǎng)絡(luò)cnn算法中，構(gòu)建預(yù)測(cè)模型；
9.根據(jù)權(quán)利要求1所述的基于物理機(jī)制和神經(jīng)網(wǎng)絡(luò)模型耦合的地震邊坡失穩(wěn)概率智能預(yù)測(cè)方法，其特征在于：在步驟s6中，邊坡失穩(wěn)概率值越接近于1則表示該邊坡極易發(fā)生失穩(wěn)，接近于0表明該邊坡穩(wěn)定。