1.一种边坡智能预警方法，其特征在于，包括：获取边坡的地质信息、所述边坡的模型、所述边坡中各个监测点的水平位移和所述边坡中各个监测点的垂直位移，所述边坡的地质信息包括所述边坡的坐标位置信息、所述边坡的土体重度、所述边坡的土体性质、所述边坡的土体的内摩擦角范围和所述边坡的土体的粘聚力范围；

基于所述边坡的地质信息，计算所述边坡的模型中边坡的不同滑面形状信息、所述边坡的模型中布置的各个监测点的水平位移范围和所述边坡的模型中布置的各个监测点的垂直位移范围；

基于所述内摩擦角范围、所述粘聚力范围、所述边坡的模型中边坡的不同滑面形状信息、所述边坡的模型中布置的各个监测点的水平位移范围和所述边坡的模型中布置的各个监测点的垂直位移范围构建神经网络模型，得到构建好的神经网络模型；

根据所述构建好的神经网络模型、所述边坡中各个监测点的水平位移和所述边坡中各个监测点的垂直位移，得到预测结果，基于所述预测结果和所述边坡的土体重度得到所述边坡的预警等级。

2.根据权利要求1所述的边坡智能预警方法，其特征在于，所述边坡的模型的构建方法，包括：

获取所述边坡周围的地质信息；

基于所述边坡的地质信息和所述边坡周围的地质信息建立一个包括所述边坡且大于所述边坡的体积的三维地质块体；

基于所述边坡的坐标位置信息对所述三维块体进行切除，得到所述边坡的模型。

3.根据权利要求1所述的边坡智能预警方法，其特征在于，所述边坡中各个监测点的位置信息和所述边坡的模型中各个监测点的位置信息的确定方法，包括：获取所述边坡周围的地质信息，基于所述边坡的地质信息和所述边坡周围的地质信息，判断所述边坡是否存在控制性结构面，若存在则将所述控制性结构面的形状信息定义为所述边坡的滑面的形状信息，若不存在，则根据所述边坡的土体性质确定所述边坡的滑面形状信息；

根据所述边坡的滑面形状信息、所述边坡的地质信息和所述边坡周围的地质信息确定所述边坡中各个监测点的位置信息和所述边坡的模型中各个监测点的位置信息，其中所述边坡中各个监测点的位置和所述边坡的模型中各个监测点的位置均沿着边坡坡面等间距设置。

4.根据权利要求1所述的边坡智能预警方法，其特征在于，所述边坡中各个监测点的水平位移和垂直位移的获取方法，包括：获取所述边坡周围的地质信息，基于所述边坡的地质信息和所述边坡周围的地质信息，判断所述边坡是否存在控制性结构面，若存在则将所述控制性结构面的形状信息定义为所述边坡的滑面的形状信息，若不存在，则根据所述边坡的土体性质确定所述边坡的滑面形状信息；

根据所述边坡的滑面形状信息、所述边坡的地质信息和所述边坡周围的地质信息确定所述边坡中各个监测点的位置，其中所述边坡中各个监测点的位置沿着边坡坡面等间距设置；

获取设置在所述边坡中各个监测点的浅层位置处的位移监测器的数据，得到所述边坡中各个监测点的水平位移和垂直位移。

5.根据权利要求1所述的边坡智能预警方法，其特征在于，所述基于所述边坡的地质信息，计算所述边坡的模型中边坡的不同滑面形状信息、所述边坡的模型中布置的各个监测点的水平位移范围和所述边坡的模型中布置的各个监测点的垂直位移范围，包括：基于所述边坡的土体的内摩擦角和粘聚力，利用所述边坡的模型，计算得到所述边坡的模型中边坡的滑面形状信息和所述边坡的模型中边坡的位移场；

基于所述边坡的模型中边坡的位移场计算得到所述边坡的模型中设置的各个监测点的水平位移和垂直位移。

6.根据权利要求1所述的边坡智能预警方法，其特征在于，所述基于所述内摩擦角范围、所述粘聚力范围、所述边坡的模型中边坡的不同滑面形状信息、所述边坡的模型中布置的各个监测点的水平位移范围和所述边坡的模型中布置的各个监测点的垂直位移范围构建神经网络模型，得到构建好的神经网络模型，包括：将基于所述内摩擦角范围中的一个内摩擦角和所述粘聚力范围中的一个粘聚力计算得到的结果与所述一个内摩擦角和所述一个粘聚力进行集合，形成一个样本，所述结果包括所述边坡的模型中边坡的滑面形状信息和所述边坡的模型中布置的各个监测点的水平位移和垂直位移；

将所有所述样本进行划分，得到训练集和测试集，利用所述训练集和测试集对所述神经网络模型进行训练和测试，得到所述构建好的神经网络模型，其中，将所述样本中所述边坡的模型中布置的各个监测点的水平位移和垂直位移作为所述神经网络模型的输入特征，将所述一个内摩擦角、所述一个粘聚力和所述边坡的模型中边坡的滑面形状信息作为输出标签。

7.根据权利要求1所述的边坡智能预警方法，其特征在于，所述根据所述构建好的神经网络模型、所述边坡中各个监测点的水平位移和所述边坡中各个监测点的垂直位移，得到预测结果，基于所述预测结果和所述边坡的土体重度得到所述边坡的预警等级，包括：根据所述构建好的神经网络模型和所述边坡中各个监测点的水平位移和垂直位移，对所述边坡的土体的内摩擦角、所述边坡的土体的粘聚力和所述边坡的滑面形状信息进行预测，得到所述边坡的土体的内摩擦角预测结果、所述边坡的土体的粘聚力预测结果和所述边坡的滑面形状信息预测结果；

根据所述边坡的土体的内摩擦角预测结果、所述边坡的土体的粘聚力预测结果和所述边坡的土体重度，按照传递系数法计算边坡安全系数；

根据所述边坡的滑面形状预测结果计算所述边坡的滑带上部可能发生滑移的土方量，基于所述边坡安全系数和所述边坡的滑带上部可能发生滑移的土方量，得到所述边坡的预警等级。

8.根据权利要求7所述的边坡智能预警方法，其特征在于，所述根据所述边坡的滑面形状预测结果计算所述边坡的滑带上部可能发生滑移的土方量，包括：所述边坡的滑面形状预测结果包括所述边坡的滑面长度预测结果、所述边坡的滑面宽度预测结果和所述边坡的滑面厚度预测结果，根据所述边坡的滑面长度预测结果、所述边坡的滑面宽度预测结果和所述边坡的滑面厚度预测结果得到所述边坡的滑带上部可能发生滑移的土方量。

9.一种边坡智能预警装置，其特征在于，包括：第一获取模块，用于获取边坡的地质信息、所述边坡的模型、所述边坡中各个监测点的水平位移和所述边坡中各个监测点的垂直位移，所述边坡的地质信息包括所述边坡的坐标位置信息、所述边坡的土体重度、所述边坡的土体性质、所述边坡的土体的内摩擦角范围和所述边坡的土体的粘聚力范围；

计算模块，用于基于所述边坡的地质信息，计算所述边坡的模型中边坡的不同滑面形状信息、所述边坡的模型中布置的各个监测点的水平位移范围和所述边坡的模型中布置的各个监测点的垂直位移范围；

构建模块，用于基于所述内摩擦角范围、所述粘聚力范围、所述边坡的模型中边坡的不同滑面形状信息、所述边坡的模型中布置的各个监测点的水平位移范围和所述边坡的模型中布置的各个监测点的垂直位移范围构建神经网络模型，得到构建好的神经网络模型；

预测模块，用于根据所述构建好的神经网络模型、所述边坡中各个监测点的水平位移和所述边坡中各个监测点的垂直位移，得到预测结果，基于所述预测结果和所述边坡的土体重度得到所述边坡的预警等级。

10.根据权利要求9所述的边坡智能预警装置，其特征在于，所述装置，还包括：第二获取模块，用于获取所述边坡周围的地质信息；

建立模块，用于基于所述边坡的地质信息和所述边坡周围的地质信息建立一个包括所述边坡且大于所述边坡的体积的三维地质块体；

切除模块，用于基于所述边坡的坐标位置信息对所述三维块体进行切除，得到所述边坡的模型。

11.根据权利要求9所述的边坡智能预警装置，其特征在于，所述装置，还包括：第三获取模块，用于获取所述边坡周围的地质信息,基于所述边坡的地质信息和所述边坡周围的地质信息，判断所述边坡是否存在控制性结构面，若存在则将所述控制性结构面的形状信息定义为所述边坡的滑面的形状信息，若不存在，则根据所述边坡的土体性质确定所述边坡的滑面形状信息；

第一确定模块，用于根据所述边坡的滑面形状信息、所述边坡的地质信息和所述边坡周围的地质信息确定所述边坡中各个监测点的位置信息和所述边坡的模型中各个监测点的位置信息,其中所述边坡中各个监测点的位置和所述边坡的模型中各个监测点的位置均沿着边坡坡面等间距设置。

12.根据权利要求9所述的边坡智能预警装置，其特征在于，所述装置，还包括：第四获取模块，用于获取所述边坡周围的地质信息,基于所述边坡的地质信息和所述边坡周围的地质信息，判断所述边坡是否存在控制性结构面，若存在则将所述控制性结构面的形状信息定义为所述边坡的滑面的形状信息，若不存在，则根据所述边坡的土体性质确定所述边坡的滑面形状信息；

第二确定模块，用于根据所述边坡的滑面形状信息、所述边坡的地质信息和所述边坡周围的地质信息确定所述边坡中各个监测点的位置,其中所述边坡中各个监测点的位置沿着边坡坡面等间距设置；

第五获取模块，用于获取设置在所述边坡中各个监测点的浅层位置处的位移监测器的数据，得到所述边坡中各个监测点的水平位移和垂直位移。

13.根据权利要求9所述的边坡智能预警装置，其特征在于，所述计算模块，包括：第一计算单元，用于基于所述边坡的土体的内摩擦角和粘聚力，利用所述边坡的模型，计算得到所述边坡的模型中边坡的滑面形状信息和所述边坡的模型中边坡的位移场；

第二计算单元，用于基于所述边坡的模型中边坡的位移场计算得到所述边坡的模型中设置的各个监测点的水平位移和垂直位移。

14.根据权利要求9所述的边坡智能预警装置，其特征在于，所述构建模块，包括：集合单元，用于将基于所述内摩擦角范围中的一个内摩擦角和所述粘聚力范围中的一个粘聚力计算得到的结果与所述一个内摩擦角和所述一个粘聚力进行集合，形成一个样本，所述结果包括所述边坡的模型中边坡的滑面形状信息和所述边坡的模型中布置的各个监测点的水平位移和垂直位移；

划分单元，用于将所有所述样本进行划分，得到训练集和测试集，利用所述训练集和测试集对所述神经网络模型进行训练和测试，得到所述构建好的神经网络模型，其中，将所述样本中所述边坡的模型中布置的各个监测点的水平位移和垂直位移作为所述神经网络模型的输入特征，将所述一个内摩擦角、所述一个粘聚力和所述边坡的模型中边坡的滑面形状信息作为输出标签。

15.根据权利要求9所述的边坡智能预警装置，其特征在于，所述预测模块，包括：预测单元，用于根据所述构建好的神经网络模型和所述边坡中各个监测点的水平位移和垂直位移，对所述边坡的土体的内摩擦角、所述边坡的土体的粘聚力和所述边坡的滑面形状信息进行预测，得到所述边坡的土体的内摩擦角预测结果、所述边坡的土体的粘聚力预测结果和所述边坡的滑面形状信息预测结果；

第三计算单元，用于根据所述边坡的土体的内摩擦角预测结果、所述边坡的土体的粘聚力预测结果和所述边坡的土体重度，按照传递系数法计算边坡安全系数；

第四计算单元，用于根据所述边坡的滑面形状预测结果计算所述边坡的滑带上部可能发生滑移的土方量，基于所述边坡安全系数和所述边坡的滑带上部可能发生滑移的土方量，得到所述边坡的预警等级。

16.根据权利要求15所述的边坡智能预警装置，其特征在于，所述第四计算单元，包括：第一计算子单元，用于所述边坡的滑面形状预测结果包括所述边坡的滑面长度预测结果、所述边坡的滑面宽度预测结果和所述边坡的滑面厚度预测结果，根据所述边坡的滑面长度预测结果、所述边坡的滑面宽度预测结果和所述边坡的滑面厚度预测结果得到所述边坡的滑带上部可能发生滑移的土方量。