1.一种滑坡灾害预警方法，其特征在于，包括：

获取第一信息，所述第一信息包括边坡的地质信息、监测点信息和所述边坡的土体参数信息，所述监测点信息为设置在所述边坡上的至少两个监测点采集的信息；

根据所述监测点信息计算出第二信息，所述第二信息包括每个所述监测点的位移变化信息和所述边坡的表面数据；

根据所述第一信息，构建出虚拟边坡模型，仿真模拟计算得到所述虚拟边坡模型的滑坡信息，所述滑坡信息包括虚拟滑坡的形状、所述虚拟滑坡在所述虚拟边坡模型中出现的位置信息和所述虚拟滑坡形成的时间信息；

根据所述第一信息、所述第二信息和所述滑坡信息构建神经网络模型，并根据所述神经网络模型，得到预测滑坡信息，包括预测滑坡的形状信息、所述预测滑坡位置信息和所述预测滑坡形成的时间信息；

根据所述预测滑坡信息，对所述边坡的潜在滑坡进行等级划分，得到滑坡预警等级；

其中,根据所述预测滑坡信息，对所述边坡的潜在滑坡进行等级划分，得到滑坡预警等级，包括：根据所述预测滑坡的形状信息，计算得到滑坡的形成信息，所述滑坡的形成信息为一个监测组对应的评价指标和预设的第一计算公式得到的信息，所述评价指标由一个监测点对应的坡面函数与一个底滑面函数的导数之商计算得到，所述监测组为相邻预设数目的所述监测点构成；

根据所述滑坡的形成信息、所述滑坡形成的时间信息和所述边坡的潜在滑坡的体积，得到所述滑坡预警等级；

其中，滑坡体积计算公式如下：

式中，g(x1),g(x2),g(x3),g(x4)……g(xn)表示为构成坡面的函数的多个分段函数，s(x1),s(x2),s(x3),s(x4)……s(xn)表示构成底滑面的函数的多个分段函数，l1，l2，l3，l4……ln为横向长度；

评价指标计算公式如下：

式中，s′(xn)表示的是在监测点xn处的底滑面的函数的导数，xjn，yjn，zjn分别表示监测点n初始空间坐标，x′jn,y′jn,z′jn分别表示监测点n发生位移变化后初始空间坐标，k(xn)为监测点n的评价指标。

2.根据权利要求1所述的滑坡灾害预警方法，其特征在于,根据所述监测点信息计算出第二信息,包括：根据所述监测点信息，计算得到监测点的位移信息，包括各个所述监测点之间的连线长度数据和倾角变化数据；

根据所述监测点信息和所述监测点的位移信息，计算得到各个所述监测点的位移变化曲线；

根据所述监测点的位移变化曲线，计算得到所述监测点的位移变化信息，包括所述监测点在三维空间中的位移速率和沿着三个方向的位移加速度；

根据所述监测点的位移信息，计算出所述边坡的表面数据，包括所述边坡的表面的振动频率、最大振幅和所述边坡的监测点的倾角变化速率。

3.根据权利要求1所述的滑坡灾害预警方法，其特征在于,根据所述第一信息、所述第二信息和所述滑坡信息构建神经网络模型，并根据所述神经网络模型，得到预测滑坡信息，包括：根据所述第一信息、所述第二信息和所述滑坡信息，进行集合，建立样本，将所述样本划分为训练集和测试集；

构建所述神经网络模型，所述神经网络模型的输入参数包括所述第一信息和所述第二信息，所述神经网络模型的输出标签为所述滑坡信息；

利用所述训练集训练所述神经网络模型，得到训练后的所述神经网络模型，所述测试集用于所述神经网络模型的预测；

训练后的所述神经网络模型对所述测试集进行预测，得到所述预测滑坡信息。

4.一种滑坡灾害预警装置，其特征在于，包括：

信息获取模块，用于获取第一信息，所述第一信息包括边坡的地质信息、监测点信息和所述边坡的土体参数信息，所述监测点信息为设置在所述边坡上的至少两个监测点采集的信息；

计算建模模块，用于根据所述监测点信息计算出第二信息，所述第二信息包括每个所述监测点的位移变化信息和所述边坡的表面数据，并根据所述第一信息构建出虚拟边坡模型，仿真模拟计算得到所述虚拟边坡模型的滑坡信息，所述滑坡信息包括虚拟滑坡的形状、所述虚拟滑坡在所述虚拟边坡模型中出现的位置信息和所述虚拟滑坡形成的时间信息；

神经网络训练模块，用于根据所述第一信息、所述第二信息和所述滑坡信息构建神经网络模型，并根据所述神经网络模型，得到预测滑坡信息，包括预测滑坡的形状信息、预测滑坡位置信息和预测滑坡形成的时间信息；

预警信息模块，用于根据所述预测滑坡信息，对所述边坡的潜在滑坡进行等级划分，得到滑坡预警等级；

其中，所述预警信息模块包括：

第一预警信息单元，用于根据所述预测滑坡信息，计算得到滑坡的形成信息，所述滑坡的形成信息为一个监测组对应的评价指标和预设的第一计算公式得到的信息，所述评价指标由一个监测点对应的坡面函数与一个底滑面函数的导数之商计算得到，所述监测组为相邻预设数目的所述监测点构成；

第二预警信息单元，用于根据所述滑坡的形成信息、所述预测滑坡形成的时间信息和所述预测滑坡的形状信息，得到所述滑坡预警等级；

其中，滑坡体积计算公式如下：

式中，g(x1),g(x2),g(x3),g(x4)……g(xn)表示为构成坡面的函数的多个分段函数，s(x1),s(x2),s(x3),s(x4)……s(xn)表示构成底滑面的函数的多个分段函数，l1，l2，l3，l4……ln为横向长度；

评价指标计算公式如下：

式中，s′(xn)表示的是在监测点xn处的底滑面的函数的导数，xjn，yjn，zjn分别表示监测点n初始空间坐标，x′jn,y′jn,z′jn分别表示监测点n发生位移变化后初始空间坐标，k(xn)为监测点n的评价指标。

5.根据权利要求4所述的滑坡灾害预警装置，其特征在于，所述计算建模模块还可以包括：第一计算单元，用于根据所述监测点信息，计算得到监测点的位移信息，包括各个所述监测点之间的连线长度数据和倾角变化数据；

第二计算单元，用于根据所述监测点信息和所述监测点的位移信息，绘制出各个所述监测点的位移变化曲线，根据所述监测点的位移变化曲线，计算得到所述监测点的位移变化信息，包括所述监测点在三维空间中的位移速率和沿着三个方向的位移加速度；

第三计算单元，用于根据所述监测点的位移信息，计算出所述边坡的表面数据，包括所述边坡的表面的振动频率、最大振幅和所述边坡的监测点的倾角变化速率；

第一建模单元，用于根据所述第一信息，通过UG NX软件建立第一模型，根据所述地质信息中地层信息对第一模型进行地层划分，得到第二模型，将所述第二模型导入ANSYS软件，对所述第二模型进行网格划分，得到所述虚拟边坡模型；

第四计算单元，用于将所述虚拟边坡模型导入3DEC软件中，根据所述边坡的土体参数信息对所述虚拟边坡模型进行强度折减，仿真模拟计算得到所述虚拟边坡模型的滑坡信息。

6.根据权利要求4所述的滑坡灾害预警装置，其特征在于，所述神经网络训练模块还可以包括：第一训练单元，用于根据所述第一信息、所述第二信息和所述滑坡信息，进行集合，建立样本，将所述样本划分为训练集和测试集；

第二训练单元，用于根据所述样本，构建所述神经网络模型，所述神经网络模型的输入参数包括所述第一信息和第二信息，所述神经网络模型的输出标签为所述滑坡信息；

第三训练单元，用于利用所述训练集训练所述神经网络模型，得到训练后的所述神经网络模型，所述测试集用于所述神经网络模型的预测，训练后的所述神经网络模型对所述测试集进行预测，得到所述预测滑坡信息。

7.一种滑坡灾害预警设备，其特征在于，包括：

存储器，用于存储计算机程序；

处理器，用于执行所述计算机程序时实现如权利要求1至3任一项所述滑坡灾害预警方法的步骤。

8.一种可读存储介质，其特征在于：所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至3任一项所述滑坡灾害预警方法的步骤。