1.一种坡面倾角监测装置，其特征在于，包括：

圆形套筒（1）,所述圆形套筒（1）一端部放置于边坡坡面内;

固定圆盘（2）,所述固定圆盘（2）的下表面与所述圆形套筒（1）另一端固定连接;

距离测量组件,所述距离测量组件设置在所述固定圆盘（2）上表面,所述距离测量组件设置有三组,所有的所述距离测量组件将所述固定圆盘（2）外侧圆弧等分设置；

被测件（3），所述被测件（3）设置在所述固定圆盘（2）上方，所述被测件（3）位于所述距离测量组件的数据采集范围内，所述被测件（3）与所述距离测量组件位于同一水平面；以及重力组件,所述重力组件设置在所述被测件（3）正下方,所述重力组件与所述被测件（3）固定相连，所述重力组件的中心线与所述圆形套筒（1）的中心线重合；

基于所述被测件（3）的中心点作为原点，取其中一个测量组件上的测量激光作为Y轴，分别确定每个距离测量组件与所述被测件（3）的距离为t1、t2和t3，在边坡坡面产生倾角时，分别确定每个距离测量组件与所述被测件（3）的距离为t11、t22和t33，然后根据三个位置处的位移变化确定x轴正方向的位移tx和y轴正方向的位移ty，基于原点在坐标系内做出向量tx和向量ty，并根据向量关系求出产生倾角时平面内测量值变化为Δl，根据三角函数关系计算得到坡上结构体系的偏转角度为α；

所述重力组件包括支撑杆（4）、圆球（5）、连接杆（6）、固定板（7）和重力铅锤（8），所述重力组件能够在所述圆形套筒（1）因滑坡进行形变导致产生倾斜时，所述重力组件能够保持垂直状态。

2.根据权利要求1所述的坡面倾角监测装置，其特征在于，所述重力组件包括支撑杆（4）、圆球（5）、连接杆（6）、固定板（7）和重力铅锤（8），所述支撑杆（4）的顶端与所述被测件（3）固定相连，所述支撑杆（4）的底端与所述圆球（5）固定相连，所述圆球（5）正下方设置有固定板（7），所述固定板（7）中心设置有凹槽（9），所述凹槽（9）底部设置有第一通孔，所述圆球（5）通过所述连接杆（6）穿过所述第一通孔与所述重力铅锤（8）固定相连，所述重力铅锤（8）设置在所述固定板（7）正下方，所述支撑杆（4）、所述圆球（5）、所述连接杆（6）、所述固定板（7）和所述重力铅锤（8）的中心线重合。

3.根据权利要求1所述的坡面倾角监测装置，其特征在于，所述距离测量组件包括基座（10）、支架（11）和激光位移计（12），所述基座（10）固定设置在所述固定圆盘（2）的上表面，所述基座（10）的上表面设置有支架（11），所述支架（11）与所述激光位移计（12）固定相连。

4.根据权利要求1所述的坡面倾角监测装置，其特征在于，所述固定圆盘（2）上设置有遮光罩（13）,所述遮光罩（13）设置在圆柱形,所述遮光罩（13）的外侧壁轮廓与所述固定圆盘（2）的外侧壁轮廓重合。

5.根据权利要求4所述的坡面倾角监测装置，其特征在于，所述固定圆盘（2）上设置有定位栓（14），所述定位栓（14）与所述遮光罩（13）相邻设置，所述定位栓（14）的侧壁与所述遮光罩（13）的内侧壁切合设置。

6.根据权利要求2所述的坡面倾角监测装置，其特征在于，所述凹槽（9）为球形设置,所述凹槽（9）的直径大于所述圆球（5）的直径且小于所述固定板（7）的直径。

7.根据权利要求2所述的坡面倾角监测装置，其特征在于，所述第一通孔的直径大于所述连接杆（6）的直径且小于所述圆球（5）的直径。

8.一种边坡安全系数计算方法，其特征在于，所述方法使用权利要求1‑7中任意一项中的坡面倾角监测装置,包括：获取第一参数信息，所述第一参数信息包括边坡坐标信息和边坡的岩土体参数信息；

基于3DEC离散软件对所述边坡坐标信息和边坡岩土体参数信息进行处理，得到建立三维地质模型；

基于所述三维地质模型确定至少两个贯通面和每个所述贯通面的监测点位置，并基于

3DEC离散软件模拟得到滑坡在所有滑动状态下每个贯通面上监测点的第二参数信息,所述第二参数信息包括位置参数信息、形状参数信息和岩土体参数信息；

基于所述第二参数信息确定所有滑动状态下每个监测点的模拟倾角值，并将所有模拟倾角值与所有滑动状态下每个贯通面上监测点的第二参数信息进行映射，得到每个所述模拟倾角值与对应的第二参数信息的关系网络；

获取坡面倾角监测装置采集到的边坡上所有监测点的实际倾角值，并基于所述实际倾角值和所述关系网络确定每个监测点的实际倾角值对应的第二参数信息；

基于传递系数法对每个所述监测点的实际倾角值对应的第二参数信息进行计算，得到所述边坡上每个贯通面的安全系数。

9.根据权利要求8所述的边坡安全系数计算方法，其特征在于, 基于所述三维地质模型确定至少两个贯通面和每个所述贯通面的监测点位置，并基于3DEC离散软件模拟得到滑坡在所有滑动状态下每个贯通面上监测点的第二参数信息，包括：发送控制子命令，所述控制子命令包括控制3DEC离散软件随机切割三维边坡模型，得到所述边坡模型内的所有贯通面的第二参数信息；

基于3DEC离散软件调节所有贯通面的第二参数信息，得到至少两个滑动状态下每个贯通面的第二参数信息；

基于LSTM神经网络模型对所有滑动状态下每个贯通面的监测点的第二参数信息进行预测分析，得到所有滑动状态下每个贯通面的监测点的第二参数信息。

10.根据权利要求9所述的边坡安全系数计算方法，其特征在于,所述基于LSTM神经网络模型对所有滑动状态下每个贯通面的监测点的第二参数信息进行预测分析，得到所有滑动状态下每个贯通面的监测点的第二参数信息，包括：将所有滑动状态下每个贯通面的第二参数信息按照预设比例进行分类，得到训练集和验证集；

将所述训练集发送至LSTM神经网络模型内进行训练，得到所有滑动状态下每个贯通面对应监测点的预测第二参数信息，将所述验证集和所述预测第二参数信息进行灰色关联分析，判断得到的关联度值是否大于预设阈值，得到判断结果；

若所述判断结果为所述关联度值小于或等于预设阈值，则调整LSTM神经网络模型的预测参数，重新进行预测；

若所述判断结果为所述关联度值大于预设阈值，则输出所述预测第二参数信息。