1.一种滑坡稳定性的分析方法，所述分析方法基于监测断面上预留的若干个测斜孔，其特征在于，所述分析方法包括：步骤S1，分别获取每个测斜孔基于若干个历史时刻的历史监测数据；步骤S2，通过钻孔测斜法获取所有历史监测数据的历史位移矢量；步骤S3，将所述历史位移矢量超过预设位移阈值的测斜孔标记为变形突变测斜孔，并分别获取每个变形突变测斜孔的历史坐标点；步骤S4，通过极限学习机学习并训练所有历史时刻的所有历史坐标点，得到坐标点预测模型；步骤S5，通过所述坐标点预测模型分别预测每个变形突变测斜孔基于预设步数的未来坐标点；步骤S6，在所述监测断面上沿前缘点至后缘点的方向基于所有未来坐标点将所述监测断面竖向划分为若干个土条；步骤S7，基于所述监测断面的地质图纸分别获取每个土条的剪切强度指标；步骤S8，基于每个土条的剪切强度指标通过瑞典条分法分别计算每个土条在极限平衡状态下的安全系数；步骤S9，获取所有安全系数中的最小值，并将所述最小值所对应的土条标记为滑坡最可能发生点。
2.根据权利要求1所述的分析方法，其特征在于，步骤S4，通过极限学习机学习并训练所有历史时刻的所有历史坐标点，得到坐标点预测模型，包括：步骤S41，将同一个变形突变测斜孔的所有历史坐标点打包为一个坐标数据集；步骤S42，对所有坐标数据集分别进行归一化处理，得到基于一个坐标数据集得到一个归一化数据集；步骤S43，将当前归一化数据集按照预设比例划分为训练集、验证集；步骤S44，根据所述训练集的数据维数定义极限学习模型；步骤S45，通过所述训练集对所述极限学习模型进行训练与学习，得到当前变形突变测斜孔的坐标点预测模型。
3.根据权利要求2所述的分析方法，其特征在于，步骤S45，通过所述训练集对所述极限学习模型进行训练与学习，得到当前变形突变测斜孔的坐标点预测模型，包括：步骤S451，定义所述训练集为 ；其中， ， 为第 个历史时刻的历史坐标值， 为 的 维向量的集合， ， 为第 步预设步数的未来坐标值， 为 的 维向量的集合，上角标 为转置矩阵；步骤S452，根据式（1）定义所述极限学习模型： （1）；其中， ， 为所述极限学习模型的隐含层与输出层之间的第一连接权值； 为所述隐含层的节点个数； 为所述隐含层的输出值， ； ； 为激活函数； 为所述极限学习模型的输入层与所述隐含层的第 个节点的第二连接权值； 为所述隐含层第 个节点的阈值；步骤S453，在基于所述极限学习模型的特征空间中通过非线性映射函数对所述第二连接权值以及所述阈值进行随机生成；步骤S454，通过随机生成的第二连接权值和阈值计算得到所述隐含层的输出值；步骤S455，根据式（2）通过最小化近似平方差求解所述第一连接权值的最优解： （2）；其中， 为所述隐含层的输出矩阵； 为所述训练集的目标矩阵； 为所述最优解； 为所述输出矩阵 的M-P广义逆矩阵， ， 是维度为 的权值向量集合；步骤S456，获取所述最优解以及与所述最优解对应的第二连接权值和阈值并代入所述极限学习模型，得到所述预测模型。
4.根据权利要求1所述的分析方法，其特征在于，步骤S7，基于所述监测断面的地质图纸分别获取每个土条的剪切强度指标，包括：步骤S71，根据欧几里得距离分别计算每个土条的滑面长度；步骤S72， 基于所述地质图纸分别查找每个土条的内摩擦角和黏聚力；步骤S73，若当前土条的内摩擦角与下一个土条的内摩擦角相等时，则当前土条的内摩擦角不变；步骤S74，若当前土条的内摩擦角与下一个土条的内摩擦角不相等时，则当前土条的内摩擦角等于当前土条的内摩擦角与下一个土条的内摩擦角的平均值；步骤S75，若当前土条的黏聚力与下一个土条的黏聚力相等时，则当前土条的黏聚力不变；步骤S76，若当前土条的黏聚力与下一个土条的黏聚力不相等时，则当前土条的黏聚力等于当前土条的黏聚力与下一个土条的黏聚力的平均值；步骤S77，将当前土条的滑面长度、内摩擦角、黏聚力定义为当前土条的剪切强度指标。
5.根据权利要求4所述的分析方法，其特征在于，步骤S8，基于每个土条的剪切强度指标通过瑞典条分法分别计算每个土条在极限平衡状态下的安全系数，包括：步骤S81，通过式（3）分别计算每个土条的安全系数： （3）；其中， 为第 个土条的安全系数， 为所有土条的总数， 为第 个土条的黏聚力， 为第 个土条的滑面长度， 为第 个土条的重力， 为第 个土条的滑面倾角， 为第 个土条的内摩擦角。
6.根据权利要求4所述的分析方法，其特征在于，步骤S9，获取所有安全系数中的最小值，并将所述最小值所对应的土条标记为滑坡最可能发生点，之后，包括：步骤S10，在所述地质图纸上分别输出每个土条以及每个土条的安全系数，并发送至外部可视化终端；步骤S20，将所述最小值所对应的土条在外部可视化终端进行标红处理。
7.一种滑坡稳定性的分析装置，所述滑坡稳定性的分析装置应用于如权利要求1至6之一所述的滑坡稳定性的分析方法，其特征在于，所述滑坡稳定性的分析装置包括：测斜孔历史监测数据获取模块，用于分别获取每个测斜孔基于若干个历史时刻的历史监测数据；历史位移矢量获取模块，用于通过钻孔测斜法获取所有历史监测数据的历史位移矢量；变形突变测斜孔标记模块，用于将所述历史位移矢量超过预设位移阈值的测斜孔标记为变形突变测斜孔，并分别获取每个变形突变测斜孔的历史坐标点；坐标点预测模型获取模块，用于通过极限学习机学习并训练所有历史时刻的所有历史坐标点，得到坐标点预测模型；未来坐标点预测获取模块，用于通过所述坐标点预测模型分别预测每个变形突变测斜孔基于预设步数的未来坐标点；土条划分模块，用于在所述监测断面上沿前缘点至后缘点的方向基于所有未来坐标点将所述监测断面竖向划分为若干个土条；剪切强度指标获取模块，用于基于所述监测断面的地质图纸分别获取每个土条的剪切强度指标；安全系数计算模块，用于基于每个土条的剪切强度指标通过瑞典条分法分别计算每个土条在极限平衡状态下的安全系数；滑坡最可能发生点标记模块，用于获取所有安全系数中的最小值，并将所述最小值所对应的土条标记为滑坡最可能发生点。
8.一种电子设备，其特征在于，包括处理器、以及与所述处理器耦接的存储器，所述存储器存储有可被所述处理器执行的程序指令；所述处理器执行所述存储器存储的所述程序指令时实现如权利要求1至6中任一项所述的滑坡稳定性的分析方法。
9.一种存储介质，其特征在于，所述存储介质内存储有程序指令，所述程序指令被处理器执行时实现能够实现如权利要求1至6中任一项所述的滑坡稳定性的分析方法。
