1.一种基于粒子群算法和离散元分析的锚固边坡安全性评价方法，借助于3DEC软件实现，其特征在于：包括以下步骤：

S1：基于现场勘察和仪器监测收集岩质锚固边坡的基础数据；

S2：根据所述基础数据，利用离散元分析软件3DEC构建岩质锚固边坡分析计算模型；

S3：根据岩体蠕变试验确定蠕变本构模型和蠕变参数范围；

S4：在3DEC软件中将步骤S3确定的蠕变本构模型赋值给步骤S2中构建的岩质锚固边坡分析计算模型，将步骤S3确定的蠕变参数范围作为粒子群算法的输入参数，将粒子群算法和岩质锚固边坡分析计算模型的响应相结合，进行联合的迭代计算来确定岩质锚固边坡分析计算模型中蠕变本构模型的最优参数；

S5：将步骤S3中得到的蠕变本构模型和步骤S4中得到的岩质锚固边坡分析计算模型中蠕变本构模型的最优参数带入步骤S2中构建的岩质锚固边坡分析计算模型，基于设定的岩质锚固边坡分析时间，提取岩质锚固边坡的特征变量；

提取岩质锚固边坡的特征变量的过程如下：S5‑1：将步骤S3和步骤S4中确定的蠕变本构模型以及最优参数赋值给步骤S2中构建的岩质锚固边坡分析计算模型；

S5‑2：依据步骤S1收集到的数据，基于现场监测仪器布置情况，设置岩质锚固边坡分析计算模型的特征位置进行变形监测，同时监测锚索的轴力变化情况；

S5‑3：向3DEC软件内输入设定的岩质锚固边坡分析时间，将特征位置的监测变量和锚索的轴力值作为特征变量进行提取；

S6：根据特征变量的变化情况，进行岩质锚固边坡长期安全性评价；

进行岩质锚固边坡长期安全性评价的过程如下：S6‑1：基于步骤S5提取的特征变量，构建位移随时间的变化的位移变化曲线，以及锚索轴力随时间的变化的轴力变化曲线；

S6‑2：基于位移变化曲线和锚索的轴力变化曲线以及锚索轴力的最大变化幅度，进行岩质锚固边坡的长期安全性评价，当位移变化曲线和锚索轴力变化曲线均呈现收敛时且锚索轴力的最大变化幅度小于等于10％时，该边坡评价为安全，否则为不安全。

2.如权利要求1所述的一种基于粒子群算法和离散元分析的锚固边坡安全性评价方法，其特征在于：步骤S1中，所述基础数据包括由现场勘察得到的形态数据以及仪器监测得到的锚固边坡的变形数据和锚固结构的受力数据，所述形态数据包括锚固边坡的高程、滑坡边界、结构面的形态和分布特征和边坡的变形特征。

3.如权利要求1所述的一种基于粒子群算法和离散元分析的锚固边坡安全性评价方法，其特征在于：步骤S3中，根据岩体蠕变试验确定蠕变本构模型和蠕变参数范围的过程如下：

首先，整理岩体的三轴蠕变试验数据，得到不同围压下轴向应变‑时间关系曲线，然后根据该轴向应变‑时间关系曲线特点，确定元件模型所包含的元件类型，最后选择包含所述元件类型的元件模型，将该元件模型的典型应变‑时间曲线与三轴蠕变试验的试验结果进行对照，确定蠕变本构模型；

基于三轴蠕变试验数据，估算蠕变本构模型的参数范围。

4.如权利要求1所述的一种基于粒子群算法和离散元分析的锚固边坡安全性评价方法，其特征在于：步骤S4中，确定岩质锚固边坡分析计算模型中蠕变本构模型的最优参数的过程如下：

S4‑1：通过python编写粒子群算法将3DEC软件中的岩质锚固边坡分析计算模型响应和粒子群算法的目标函数相结合；

S4‑2：将步骤S1收集的仪器监测数据，导入步骤S4‑1所述的python中，将3DEC软件中的多个坡表监测点在X方向的位移及其对应的实际监测数据的差值求和作为目标函数；

S4‑3：借助3DEC软件内置的ipython编写环境，导入粒子群算法，设置对应参数，该对应参数包括：目标函数func、目标维数ndim、群体规模size_pop、最大迭代次数max_liter、参数下限lb、参数上限ub、惯性权重、个体记忆和群体记忆c1、c2，然后进行粒子群算法和岩质锚固边坡分析计算模型的分析计算的联合迭代计算，结合现场监测数据，不断获取适应度值，最终获得最符合实际监测数据的蠕变本构模型的最优参数。