1.一种用于建筑BIM模型的数据处理方法，其特征在于，所述方法包括：

采集得到建筑BIM模型数据序列，设置综合密钥序列，根据建筑BIM模型数据序列构成二维矩阵；

根据二维矩阵得到分块尺寸，根据分块尺寸得到多个窗口矩阵，根据各窗口矩阵与其他窗口矩阵的相似性得到窗口矩阵的规律显著性，将规律显著性小于规律显著性分割阈值的窗口矩阵作为引导模板；

获取各窗口矩阵的高斯混合模型，根据各窗口矩阵的高斯混合模型和规律显著性得到各单高斯模型的统计显著性；根据分块尺寸得到多个矩阵块，将各矩阵块对应的窗口矩阵的规律显著性作为各矩阵块的规律显著性，根据综合密钥序列得到各矩阵块的密钥序列，根据各矩阵块的规律显著性得到各矩阵块的引导模板数量，根据各矩阵块的密钥序列和引导模板数量得到各矩阵块的多个引导模板，获取各矩阵块的高斯混合模型，根据各矩阵块的引导模板得到各矩阵块的多个优选单高斯模型，将各矩阵块的多个优选单高斯模型和单高斯模型作为各矩阵块的备用单高斯模型，根据各矩阵块的规律显著性、高斯混合模型和各单高斯模型的统计显著性得到各矩阵块的备用单高斯模型的第一权值，根据各矩阵块的备用单高斯模型的第一权值对矩阵块进行加密处理得到密文矩阵；将密文矩阵存储与建筑BIM建模系统的服务器上。

2.如权利要求1所述的一种用于建筑BIM模型的数据处理方法，其特征在于，所述根据二维矩阵得到分块尺寸，包括的具体步骤为：将二维矩阵中每行数据累加得到每行数据的行累加和，将二维矩阵中每列数据累加得到每列数据的列累加和，将二维矩阵的所有行的行累加和按行次序排列得到行累加和序列，将二维矩阵的所有列的列累加和按列次序排列得到列累加和序列；

根据行累加和序列的周期性得到分块高度，包括：利用时序序列分析将行累加和序列拆分成一个趋势序列、一个周期序列和一个残差序列，对周期序列进行傅里叶变换得到周期序列的频谱数据，获取频谱数据中每个非零幅值对应的频率，将每个非零幅值的频率的倒数作为每个非零幅值的周期，以每个非零幅值为权值，对所有非零幅值的周期进行加权求和得到行累加和序列的周期，将行累加和序列的周期作为分块高度；

根据列累加和序列的周期性得到分块宽度；

将分块高度和分块宽度构成分块尺寸。

3.如权利要求1所述的一种用于建筑BIM模型的数据处理方法，其特征在于，所述根据各窗口矩阵与其他窗口矩阵的相似性得到窗口矩阵的规律显著性，包括的具体步骤为：将窗口矩阵中数据称为窗口数据，对各窗口矩阵中各窗口数据出现次数进行统计得到各窗口数据的频数，根据窗口数据从小到大的顺序对窗口数据的频数进行排列得到各窗口矩阵的窗口频数序列；

设置行方向为游走方向，将各窗口数据与右邻接数据构成窗口数据对；设置列方向为游走方向，将各窗口数据与下邻接数据构成窗口数据对，对各窗口数据对的出现次数进行统计得到各窗口数据对的频数，获取窗口数据对中两数据的累计和作为窗口数据对的累加和，根据窗口数据的累加和从小到大的顺序对各窗口数据对的频数进行排列得到各窗口矩阵的灰度共生序列；

将各窗口矩阵的窗口频数序列分别与其他各窗口矩阵的窗口频数序列计算余弦相似度得到各窗口矩阵与其他各窗口矩阵的第一相似度；将各窗口矩阵的灰度共生序列与其他各窗口矩阵的灰度共生序列计算余弦相似度得到各窗口矩阵与其他各窗口矩阵的第二相似度；将各窗口矩阵与其他各窗口矩阵的第一相似度和第二相似度的均值作为各窗口矩阵与其他各窗口矩阵的第三相似度；将各窗口矩阵与其他所有窗口矩阵的第三相似度均值作为各窗口矩阵的规律显著性。

4.如权利要求1所述的一种用于建筑BIM模型的数据处理方法，其特征在于，所述根据各窗口矩阵的高斯混合模型和规律显著性得到各单高斯模型的统计显著性，包括的具体步骤为：在各窗口矩阵的高斯混合模型中获取各单高斯模型记为各窗口矩阵的单高斯模型；获取各窗口矩阵的单高斯模型的权重，将各窗口矩阵的规律显著性为权重，对所有窗口矩阵的同种单高斯模型的权重进行加权求和得到各单高斯模型的统计显著性。

5.如权利要求1所述的一种用于建筑BIM模型的数据处理方法，其特征在于，所述根据各矩阵块的规律显著性得到各矩阵块的引导模板数量，包括的具体步骤为：获取引导模板数量，将各矩阵块的规律显著性与引导模板数量的乘积的向下取整值作为各矩阵块的引导模板数量。

6.如权利要求1所述的一种用于建筑BIM模型的数据处理方法，其特征在于，所述根据各矩阵块的密钥序列和引导模板数量得到各矩阵块的多个引导模板，包括的具体步骤为：将所有引导模板按规律显著性进行升序排列得到引导模板序列；

获取各矩阵块的密钥序列中各密钥值 ,在引导模板序列中获取第 个引导模板作为各矩阵块的各密钥值的引导模板，各矩阵块的密钥序列中多个密钥值得到多个引导模板。

7.如权利要求1所述的一种用于建筑BIM模型的数据处理方法，其特征在于，所述根据各矩阵块的引导模板得到各矩阵块的多个优选单高斯模型，包括的具体步骤为：获取各引导模板的权重最大的单高斯模型作为各引导模板的优选单高斯模型，多个引导模板得到多个优选单高斯模型，将各矩阵块的多个引导模板对应的优选单高斯模型作为各矩阵块的优先高斯模型。

8.如权利要求1所述的一种用于建筑BIM模型的数据处理方法，其特征在于，所述根据各矩阵块的规律显著性、高斯混合模型和各单高斯模型的统计显著性得到各矩阵块的备用单高斯模型的第一权值，包括的具体步骤为：各矩阵块的备用单高斯模型中包含单高斯模型和优选单高斯模型；

确定各矩阵块的各优选单高斯模型的第一权值：

获取各矩阵块的各优选单高斯模型的权值，根据各矩阵块的各优选单高斯模型的权值、统计显著性和各矩阵块的规律显著性得到各矩阵块的各优选单高斯模型的权值：其中， 表示第i个矩阵块的第j个优选单高斯模型的权值， 表示

第i个矩阵块的规律显著性， 表示第i个矩阵块第j个优选单高斯模型的统计显著性，表示第i个矩阵块的第j个优选单高斯模型的第一权值；

确定各矩阵块的各单高斯模型的第一权值：

在各矩阵块的高斯混合模型中获取各单高斯模型作为各矩阵块的单高斯模型，获取各矩阵块的各单高斯模型的权值，根据各矩阵块的规律显著性、各矩阵块的各单高斯模型的权值和统计显著性得到各矩阵块的各单高斯模型的第一权值：其中， 表示第i个矩阵块的第j个单高斯模型的权值， 表示第i

个矩阵块的规律显著性， 表示第i个矩阵块的第j个单高斯模型的统计显著性， 表示第i个矩阵块的第j个单高斯模型的第一权值。

9.如权利要求1所述的一种用于建筑BIM模型的数据处理方法，其特征在于，所述根据各矩阵块的备用单高斯模型的第一权值对矩阵块进行加密处理得到密文矩阵，包括的具体步骤为：以各备用单高斯模型的第一权值为权值，对各矩阵块的所有备用单高斯模型进行加权求和得到各矩阵块的第一高斯混合模型，利用各矩阵块的第一高斯混合模型确定各矩阵块中各位置的第一数据，将各矩阵块的第一数据构成的矩阵块称为密文矩阵块；按照密文矩阵块对应的矩阵块的位置，将所有密文矩阵块拼接在一起得到密文矩阵。