1.一种铁路路基形变预警等级的确定方法，其特征在于，该方法包括以下步骤：获取铁路路基的形变监测数据，利用曲线趋势预测模型拟合所述形变监测数据得到形变趋势连续特征，并对所述形变趋势连续特征进行离散化得到多个形变趋势区间；其中，每个形变趋势区间包括多个数据点，用于指示路基沉降值与时间的对应关系；基于形变趋势区间中数据点的路基沉降值得到各个形变趋势区间的多维度形变统计指标的特征值，针对每一形变统计指标，对比各个形变趋势区间的形变统计指标的特征值，从而得到相应形变统计指标的形变特征值；计算各个形变统计指标的形变特征值与各个形变统计指标对应的形变中心特征值之间的相关系数，得到各个形变统计指标对应的相关系数，整合各个形变统计指标对应的相关系数得到总相关系数，并基于所述总相关系数的大小确定所述铁路路基的形变预警等级；其中，所述各个形变统计指标对应的形变中心特征值是通过对基于预先获得的多组形变监测数据计算得到的相应形变统计指标的形变特征值进行聚类得到的；其中，所述各个形变统计指标对应的相关系数用于指示针对每一形变统计指标，形变特征值对形变中心特征值的隶属程度；所述针对每一形变统计指标，对比各个形变趋势区间的形变统计指标的特征值，从而得到相应形变统计指标的形变特征值，包括：针对每一形变统计指标，计算各个形变趋势区间的该形变统计指标的特征值的极差，并且将所述特征值的极差作为该形变统计指标的形变特征值。
2.根据权利要求1所述的方法，其特征在于，所述获取铁路路基的形变监测数据，包括：获取铁路路基的原始形变监测数据，对其进行数据清洗得到初始形变监测数据，并对所述初始形变监测数据进行降噪处理得到第二降噪形变监测数据；其中，对所述初始形变监测数据进行降噪处理得到第二降噪形变监测数据，包括：采用小波阈值去噪算法对所述初始形变监测数据进行降噪，得到第一降噪形变监测数据；利用经验模态分解算法将所述第一降噪形变监测数据分为多个本征模态分量和残差分量，并利用自相关函数计算各个本征模态分量的自相关系数；利用小波阈值去噪算法对自相关系数高于设定阈值的本征模态分量进行降噪，并且对降噪后的本征模态分量、自相关系数不高于设定阈值的本征模态分量以及所述残差分量进行重构，得到第二降噪形变监测数据。
3.根据权利要求2所述的方法，其特征在于，所述方法还包括：利用所述第二降噪形变监测数据形成对应的频谱图和功率谱密度图，并根据设定的噪声评价指标评价所述频谱图和功率谱密度图，以评价降噪处理的效果；其中，所述设定的噪声评价指标包括信噪比、波形相似参数、均方误差和均方根误差中的一种或多种评价指标。
4.根据权利要求1所述的方法，其特征在于，所述形变趋势区间是通过以下方式得到的：基于相同的监测时间间隔，将形变趋势连续特征离散化为多个形变趋势区间；或者，基于相同的数据点数量，将形变趋势连续特征离散化为多个形变趋势区间。
5.根据权利要求1所述的方法，其特征在于，所述曲线趋势预测模型包括双曲线模型、星野法模型、指数曲线模型或戈珀兹模型；形变统计指标为均值、方差、极差、斜率、瑞丽熵、广义赫斯特指数、长程相关特性或不相关系数；其中，所述斜率是利用最小二乘法拟合形变趋势区间中数据点的路基沉降值得到的。
6.根据权利要求1所述的方法，其特征在于，所述总相关系数越大，形变预警等级越低；所述形变中心特征值包括无形变聚类中心的特征值和有形变聚类中心的特征值。
7.根据权利要求6所述的方法，其特征在于，所述隶属程度是通过以下方式得到的：利用隶属度函数分别计算各个形变统计指标的形变特征值对相应形变统计指标对应的无形变聚类中心的特征值的隶属程度。
8.一种铁路路基形变预警等级的确定系统，包括处理器、存储器及存储在存储器上的计算机程序/指令，其特征在于，所述处理器用于执行所述计算机程序/指令，当所述计算机程序/指令被执行时该系统实现如权利要求1至7中任一项所述方法的步骤。
9.一种计算机可读存储介质，其上存储有计算机程序/指令，其特征在于，该计算机程序/指令被处理器执行时实现如权利要求1至7中任一项所述方法的步骤。
