1.一种基于超像素卷积网络的稳定状态分析方法，其特征在于，包括以下步骤：步骤S1：利用堤防地测设备以及卫星传感设备获取堤防多源数据，其中堤防多源数据包括堤防高程数据、水文检测数据、堤防三维空间数据、土壤特征数据以及堤防轨迹数据；

根据堤防多源数据构建堤防多源数据模型；

步骤S2：基于堤防多源数据模型利用渗流应力场室内实验法进行渗流应力场权重优化反演分析计算，生成渗流应力场有限元数值模型；

步骤S3：利用光学计算机对渗流应力场有限元数值模型进行堤防超分辨率神经网络分析，生成堤防超分辨率渗流应力场模型；

步骤S4：利用超像素卷积网络对堤防超分辨率渗流应力场模型进行膨胀卷积及多尺度采样，生成堤防卷积特征模型；

步骤S4：基于堤防超分辨率渗流应力场模型利用超像素卷积网络进行膨胀卷积及多尺度采样，生成堤防卷积特征模型；

步骤S5：基于堤防卷积特征模型进行堤防光元数据驱动建模，构建堤防光元渗流应力场数据模型，实现堤防稳定状态分析。

2.根据权利要求1所述的方法，其特征在于，步骤S1的具体步骤为：步骤S11：利用激光测距仪以及水文探测仪，获取堤防高程数据以及水文检测数据；

步骤S12：利用全站仪、土壤探针以及卫星传感设备，获取堤防三维空间数据、土壤特征数据以及堤防轨迹数据；

步骤S13：基于堤防高程数据、水文检测数据、堤防三维空间数据、土壤特征数据以及堤防轨迹数据，利用ETL工具Oracle Data Integrator进行堤防异构数据融合，生成堤防多源数据集；

步骤S14：根据堤防多源数据集利用矩阵分解法进行视觉投影，生成堤防矩阵投影视图；

步骤S15：基于堤防矩阵投影视图利用深度信念网络算法进行元学习，生成堤防多源数据模型。

3.根据权利要求1所述的方法，其特征在于，步骤S2的具体步骤为：步骤S21：基于堤防多源数据模型利用渗流应力场室内实验法进行最优边界分析，获得堤防边界荷载数据集；

步骤S22：根据堤防边界荷载数据集利用渗流应力场权重优化反演公式进行应力场权重优化反演分析计算，生成渗流应力场模型；

步骤S23：根据渗流应力场模型利用有限元法进行离散单元数据切割，生成渗流应力场有限元初始网格；

步骤S24：基于渗流应力场有限元初始网格利用堤防边界荷载数据进行边界约束设定，生成渗流应力场有限元数据集；

步骤S25：基于渗流应力场有限元数据集利用有限元建模软件ANSYS进行渗流应力场计算求解分析，生成渗流应力场有限元数值模型。

4.根据权利要求2中的方法，其特征在于，步骤S22中的渗流应力场权重优化反演公式具体为：2

其中，W为渗流应力场权重系数，n为数据点的数量，σi是对应的观测误差，σi为第i个变量的方差，为向量微积分运算符，Ki为第i个数据点处的渗透率张量，pi是第i个数据点的压力值， 为对目标函数中关于第i个变量的偏导数，fi为渗流应力场体积源项，λ是正则化参数。

5.根据权利要求3所述的方法，其特征在于，步骤S21的具体步骤为：步骤S211：基于堤防多源数据模型利用3D打印技术进行叠层打印，生成渗流应力场室内实验物理模型；

步骤S212：根据渗流应力场室内实验物理模型利用液压传感器进行边界测量，以获取最优边界的位置以及荷载大小数据；

步骤S213：根据最优边界的位置以及荷载大小数据进行数据分析预处理，生成渗流应力场边界荷载数据；

步骤S214：基于渗流应力场边界荷载数据进行堤防数据多模态融合，生成堤防边界荷载数据集。

6.根据权利要求1所述的方法，其特征在于，步骤S3的具体步骤为：步骤S31：利用光学计算机对渗流应力场有限元数值模型进行光电子数值解转化，生成渗流应力场光点云数据；

步骤S32：基于渗流应力场光点云数据进行数据堆叠处理，生成渗流应力场光点云数据集；

步骤S33：根据渗流应力场光点云数据集进行光点云二维特征投影，生成渗流应力场初级光粒子图像；

步骤S34：根据渗流应力场初级光粒子图像利用渗流应力场深度神经网络算法进行堤防超分辨率神经网络分析，生成渗流应力场高维多帧超分辨率图像；

步骤S35：基于渗流应力场高维多帧超分辨率图像利用基于神经网络算法的变分自动编码器进行数据编解码重构，生成堤防超分辨率渗流应力场模型。

7.根据权利要求6所述的方法，其特征在于，步骤S35的具体步骤为：步骤S351：基于渗流应力场高维多帧超分辨率图像利用基于神经网络算法进行变分自动编码器数据编码，生成渗流应力场低维特征向量图；

步骤S352：根据低维特征向量图进行变分自动编码器行数据解码，生成渗流应力场源数据低维重构图；

步骤S353：根据渗流应力场源数据低维重构图进行渗流应力场源态重构建模，生成堤防超分辨率渗流应力场模型。

8.根据权利要求1所述的方法，其特征在于，步骤S4的具体步骤为：步骤S41：将堤防超分辨率渗流应力场模型作为数据输入，利用超像素卷积网络进行卷积预处理，生成堤防超像素卷积预处理管道；

步骤S42：基于堤防超像素卷积预处理管道利用超像素算法进行卷积数据切割，生成堤防高精低维卷积特征图；

步骤S43：根据堤防高精低维卷积特征图利用膨胀卷积算法进行边缘特征加强处理，生成堤防渗流应力场卷积特征网络；

步骤S44：基于堤防渗流应力场卷积特征网络利用多尺度采样算法进行空间金字塔池化多层采样，生成堤防超清多维卷积特征网络；

步骤S45：将堤防超清多维卷积特征网络作为数据输出，利用超像素卷积网络进行堤防数据挖掘算法建模，生成堤防卷积特征模型。

9.根据权利要求1所述的方法，其特征在于，步骤S5的具体步骤为：步骤S51：基于堤防卷积特征模型进行光元数据提取，获取堤防卷积光元数据；

步骤S52：基于堤防卷积光元数据进行光元数据划分转换，生成堤防光元数据矩阵；

步骤S53：根据堤防光元数据矩阵利用随机森林算法进行堤防深度学习训练，生成堤防光元数据模型；

步骤S54：根据堤防光元数据模型利用堤防模型同态加密计算公式进行模型同态加密计算，生成堤防光元同态加密模型；

步骤S55：根据堤防光元同态加密模型进行堤防光元数据驱动建模，构建堤防光元渗流应力场数据模型，实现堤防稳定状态分析；

其中，堤防模型同态加密计算公式具体为：

加密：

解密：

其中，Enc为加密算法，pk为公钥，x为需要加密的模型明文数据，n为随机数的数量，gi为生成元，ri跟bi为加密算法随机选取的有基数，H为哈希函数值，r0为哈希函数随机数，Hr0(x) 为模型明文数据通过输入哈希函数得到的哈希值，Dec为解密算法，sk为私钥，g是生成元模数，m1为第一段密文，m2为第二段密文。

10.一种基于超像素卷积网络的稳定状态分析系统，其特征在于，包括：至少一个处理器；以及，

与至少一个处理器通信连接的存储器；其中，

存储器存储有可被至少一个处理器执行的计算机程序，计算机程序被至少一个处理器执行，以使至少一个处理器能够执行如权利要求1至9中任一项所述的基于超像素卷积网络的稳定状态分析方法。