1.一种边坡神经网络模型选取方法，其特征在于，包括：根据破坏模式将边坡划分为若干种不同种类的边坡,获取每种边坡的研究参数；通过数值模拟计算每种边坡在不同研究参数下的变形特征，以研究参数为输入标签、变形特征为输出标签构建每种边坡的数据样本集；分别根据每种边坡对应的所述数据样本集对神经网络模型进行训练和测试，得到每种边坡对应的最优神经网络模型和模型结构参数；根据所有边坡对应的最优神经网络模型和模型结构参数建立专家系统；获取现场边坡的破坏模式，将所述现场边坡的破坏模式输入所述专家系统，得到现场边坡的建议神经网络模型和对应的模型结构参数。
2.根据权利要求1所述的边坡神经网络模型选取方法，其特征在于,获取每种边坡的研究参数，包括：获取每种边坡引发失稳破坏的因素；根据所述引发失稳破坏的因素确定边坡的研究对象；获取描述所述研究对象的一种或多种研究参数。
3.根据权利要求1所述的边坡神经网络模型选取方法，其特征在于,所述通过数值模拟计算每种边坡在不同研究参数下的变形特征，包括：获取每种边坡的一种或多种研究参数的取值范围；对每种边坡建立对应的三维地质模型；从研究参数的取值范围中选择每种边坡的研究参数的不同取值；根据每种边坡对应研究参数的不同取值分别对每种边坡对应的三维地质模型进行仿真模拟，得到每种边坡的研究参数在不同取值下的变形特征。
4.根据权利要求1所述的边坡神经网络模型选取方法，其特征在于,分别根据每种边坡对应的所述数据样本集对神经网络模型进行训练和测试，得到每种边坡对应的最优神经网络模型和模型结构参数，包括：按照8：2的比例将每种边坡的数据样本集划分为训练集和验证集；获取所有类型的神经网络和每种神经网络中所有结构的神经网络模型；利用所述训练集依次训练每种神经网络中各结构的神经网络模型，再利用验证集依次验证每种神经网络中各结构的神经网络模型的计算误差；将所有神经网络中计算误差的最小值所对应的神经网络模型作为边坡的最优神经网络模型；获取所述最优神经网络模型训练得到的模型结构参数。
5.一种边坡神经网络模型选取装置，其特征在于，包括：分类模块：用于根据破坏模式将边坡划分为若干种不同种类的边坡,获取每种边坡的研究参数；样本集构建模块：用于通过数值模拟计算每种边坡在不同研究参数下的变形特征，以研究参数为输入标签、变形特征为输出标签构建每种边坡的数据样本集；训练模块：用于分别根据每种边坡对应的所述数据样本集对神经网络模型进行训练和测试，得到每种边坡对应的最优神经网络模型和模型结构参数；系统建立模块：用于根据所有边坡对应的最优神经网络模型和模型结构参数建立专家系统；预测模块：用于获取现场边坡的研究参数，将所述现场边坡的研究参数输入所述专家系统，得到现场边坡的建议神经网络模型和对应的模型结构参数。
6.根据权利要求5所述的边坡神经网络模型选取装置，其特征在于，所述分类模块包括：第一获取单元：用于获取每种边坡引发失稳破坏的因素；确定单元：用于根据所述引发失稳破坏的因素确定边坡的研究对象；第二获取单元：用于获取描述所述研究对象的一种或多种研究参数。
7.根据权利要求5所述的边坡神经网络模型选取装置，其特征在于，所述样本集构建模块包括：第三获取单元：用于获取每种边坡的一种或多种研究参数的取值范围；模型建立单元：用于对每种边坡建立对应的三维地质模型；选择单元：用于从研究参数的取值范围中选择每种边坡的研究参数的不同取值；仿真模拟单元：用于根据每种边坡对应研究参数的不同取值分别对每种边坡对应的三维地质模型进行仿真模拟，得到每种边坡的研究参数在不同取值下的变形特征。
8.根据权利要求5所述的边坡神经网络模型选取装置，其特征在于，所述训练模块包括：样本划分单元：用于按照8：2的比例将每种边坡的数据样本集划分为训练集和验证集；第四获取单元：用于获取所有类型的神经网络和每种神经网络中所有结构的神经网络模型；第一计算模块：用于利用所述训练集依次训练每种神经网络中各结构的神经网络模型，再利用验证集依次验证每种神经网络中各结构的神经网络模型的计算误差；第二计算模块：用于将所有神经网络中计算误差的最小值所对应的神经网络模型作为边坡的最优神经网络模型；第五获取单元：用于获取所述最优神经网络模型训练得到的模型结构参数。
9.一种边坡神经网络模型选取设备，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4任一项所述边坡神经网络模型选取方法的步骤。
10.一种可读存储介质，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4任一项所述边坡神经网络模型选取方法的步骤。
