1.一种岩体节理优势产状搜索方法，其特征在于，所述方法包括：获取n组节理产状的测量数据，并将所述测量数据进行转换得到笛卡尔坐标系下的测量数据矩阵；所述测量数据包括倾向数据和倾角数据；

采用平均弧长法计算所述测量数据矩阵中的异常值，并进行异常值剔除；

将异常值剔除后的测量数据矩阵作为数据来源，设置聚类中心数目K，构建目标函数，基于种群数量P构建初始巢矩阵并计算对应目标函数值，所述目标函数值用于衡量节理总体聚类效果；

利用布谷鸟算法中的莱维飞行操作对所述初始巢矩阵进行迭代；根据预设的迭代次数N和弃巢比例γ进行处理得到最佳巢矩阵以及所述最佳巢矩阵对应的目标函数值；

通过衡量最佳巢矩阵的聚类效果确定最优聚类中心数目及其对应的岩体节理优势产状。

2.根据权利要求1所述的方法，测量数据包括倾向数据和倾角数据，其特征在于，所述获取n组节理产状的测量数据，并将所述测量数据进行转换得到笛卡尔坐标系下的测量数据矩阵，包括：

n组节理产状的倾向数据和倾角数据构成n×2矩阵，并利用第一公式进行坐标转换得到测量数据矩阵，所述测量数据矩阵为n×3矩阵；

所述第一公式可以表示为：

其中，i表示第i组节理产状，θi表示倾向数据(0≤θ≤360°)， 表示倾角数据xi,yi,zi分别表示第i组节理产状的单位法向量的x轴、y轴、z轴坐标。

3.根据权利要求1所述的方法，其特征在于，所述采用平均弧长法计算所述测量数据矩阵中的异常值，包括：

计算所述测量数据矩阵中每一组节理与其他节理的弧长距离，并计算平均值得到n×1的列向量；

计算所述列向量中所有元素的均值μ和标准差σ，然后筛选所述列向量中元素大于μ+3σ的行号，即为所述测量数据矩阵中的异常值。

4.根据权利要求3所述的方法，其特征在于，所述计算所述测量数据矩阵中每一组节理与其他节理的弧长距离，包括：

通过第二公式计算每一组节理与其他节理的弧长距离，所述第二公式具体包括：T

d(ei,ej)＝arccos|ei·ej|其中，ei表示第i组节理的单位法向量，ej表示第j组节理的单位法向量，d(ei,ej)表示第i组节理与第j组节理的弧长距离。

5.根据权利要求1所述的方法，其特征在于，所述目标函数值F通过第三公式进行表示，所述第三公式具体包括：

其中，K表示聚类中心数目，Sj表示第j类中包含的节理单位法向向量，cj表示第j个聚类中心坐标值，ei表示第i组节理的单位法向量。

6.根据权利要求1所述的方法，其特征在于，所述利用布谷鸟算法中的莱维飞行操作对所述初始巢矩阵进行迭代，包括：输入当前训练批次的巢矩阵Et和最优巢矩阵Et_best，根据第四公式得到下一训练批次的新生巢矩阵Et+1，所述第四公式具体包括：其中，α表示步长缩放因子，Levy(β)表示莱维飞行路径，β表示飞行因子，取值范围为(1，3)。

7.根据权利要求6所述的方法，其特征在于，所述莱维飞行路径采用Mantegna的方法，采用正态分布生成服从莱维分布的随机步长，根据第四公式得到莱维飞行路径，所述第五公式包括：

其中，Levy(β)表示莱维飞行路径，β表示飞行因子取值范围，Et表示当前训练批次的巢矩阵，Et_best表示当前训练批次的最优巢矩阵，v表示满足标准正态分布的随机变量，μ表示满足正态分布的随机变量，其数学期望均为0，v和μ的标准差分别为1和σ。

8.根据权利要求1所述的方法，其特征在于，所述通过衡量最佳巢矩阵的聚类效果确定最优聚类中心数目及其对应的岩体节理优势产状，包括：采用Ray‑Turi指标υ衡量聚类效果，根据第六公式确定最优聚类中心数目，所述第六公式包括：

其中，K表示聚类中心数目，n表示节理数量，Sj表示第j类中包含的节理单位法向向量，ci表示第i个聚类中心坐标值，cj表示第j个聚类中心坐标值。

9.一种岩体节理优势产状搜索装置，其特征在于，所述装置包括：获取模块，用于获取n组节理产状的测量数据，并将所述测量数据进行转换得到笛卡尔坐标系下的测量数据矩阵；所述测量数据包括倾向数据和倾角数据；

处理模块，用于采用平均弧长法计算所述测量数据矩阵中的异常值，并进行异常值剔除；

构建模块，用于将异常值剔除后的测量数据矩阵作为数据来源，设置聚类中心数目K，构建目标函数，基于种群数量P构建初始巢矩阵并计算对应目标函数值，所述目标函数值用于衡量节理总体聚类效果；

计算模块，用于利用布谷鸟算法中的莱维飞行操作对所述初始巢矩阵进行迭代；根据预设的迭代次数N和弃巢比例γ进行处理得到最佳巢矩阵以及所述最佳巢矩阵对应的目标函数值；

确定模块，用于通过衡量最佳巢矩阵的聚类效果确定最优聚类中心数目及其对应的岩体节理优势产状。

10.一种计算机可读存储介质，其特征在于，其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8任一所述的岩体节理优势产状搜索方法。