1.基于模态分解和机器学习的山体滑坡预警方法，其特征在于：数据传输装置将数据监测采集系统监测到的数据传输到云储存服务器；所述数据监测采集系统包括位移传感器、地下水位传感器、湿度传感器和数据传输装置；位移传感器布置在山体边坡表面和内部以监测边坡的位移，地下水位传感器布置在坡顶、坡身和坡脚处以监测边坡水位，湿度传感器布置在边坡表面以监测天气情况；
2.根据权利要求1所述的基于模态分解和机器学习的山体滑坡预警方法，其特征在于：滑坡位移时间序列根据时间序列的加法模型表示如下：
3.根据权利要求2所述的基于模态分解和机器学习的山体滑坡预警方法，其特征在于：所述模态分量个数k＝2，用麻雀优化算法ssa对vmd模型中的惩罚因子α和上升时间步τ进行优化，以公式
4.根据权利要求1所述的基于模态分解和机器学习的山体滑坡预警方法，其特征在于：所述cnn-bilstm-attention模型采用双层一维卷积层和池化层组成的cnn框架自动提取位移序列的内部特征，所述卷积层进行时间序列的有效非线性局部特征提取，所述池化层选取最大池化方法压缩提取的特征并生成更关键的特征信息，bilstm隐藏层建模学习cnn所提取的局部特征的内部动态变化规律，从局部特征中迭代提取更复杂的全局特征，将所述bilstm隐藏层产生的特征作为attention机制的输入，利用attention机制自动对bilstm隐藏层所提取到的时间信息通过加权的方式进行重要程度的区分；
5.基于模态分解和机器学习的山体滑坡预警系统，其特征在于：预警系统执行权利要求1-4任一项所述方法，该预警系统还包括判别预警系统，所述判别预警系统包括判别关系和警告通知系统，所述判别关系是所得边坡位移曲线的斜率在持续一段时间超过预设值，满足所述判别关系将会触发所述警告通知系统，将有滑坡风险的边坡信息传给相关单位，向公众发布相关信息，并采取应急措施处置。