1.一种公路沉降智能监测方法，其特征在于，包括如下步骤：

步骤S1，沿待监测公路段布设传感器，所述传感器与各自的数据采集器通过RS485线缆通讯连接；

步骤S2，数据采集器与DTU通过无线通讯连接；将监测数据无线传输给DTU；

步骤S3，DTU将数据通过无线通讯传输给物联网平台，物联网平台对数据进行预处理并进行可视化和预警配置；

步骤S4，建立泊松曲线沉降预测模型和基于马尔科夫链蒙特卡洛的贝叶斯更新方法的沉降预测模型；将两种沉降预测模型进行组合得到组合预测模型；

泊松曲线沉降预测模型表达式为：

式中：St为某一预测位置处路基在时间t所对应的沉降量；k、a、b为待定系数；

使用泊松曲线沉降预测模型预测路基沉降的步骤为：

获取当前时刻往前设定时长范围内的传感器监测数据，从中取监测时间间隔相等的沉降实测值，令各时间点t＝1，2，3，…，n对应的路基沉降实测值分别为S1，S2，S3，…，Sn；

将时长范围等分为三份监测时段，令i＝n/3；则有，第一监测时段内的时间点t＝1，2，

3，…，i，第二监测时段的t＝i+1，i+2，i+3，…，2i，第三监测时段为的＝2i+1，2i+2，2i+

3，…，3i；三个监测时间段所对应的路基沉降特征参数为y1、y2、y3；

根据路基沉降特征参数更新泊松曲线沉降预测模型表达式中的待定系数，其中：将求得的三个系数a、b、k代入泊松曲线沉降预测模型，令时间t趋向于无穷，得到最终路基沉降量S；

所述建立基于马尔科夫链蒙特卡洛的贝叶斯更新方法的沉降预测模型，包括：采用有限元软件，基于公路断面勘测数据建立有限元模型；将土体参数视作随机变量，通过拉丁超立方抽样生成多组参数样本，并将其输入有限元模型，计算获得对应的沉降计算结果；

基于参数样本，构建路基沉降数据集，随后采用随机森林方法构建代理模型，将上述构建的路基沉降数据集随机分为训练集和测试集；使用训练集训练代理模型，再将测试集中土体参数输入到代理模型中并输出路基沉降计算结果，将代理模型计算结果与原始有限元模型计算结果进行对比，对比效果符合要求后，使用代理模型替代原始有限元模型；

根据软土土体的性质，生成土体参数数据集；将土体参数数据集输入代理模型计算沉降，根据各个参数对软土路基沉降值的影响程度，确定高敏感性土体参数，并将其视为随机变量，其他土体参数视为常量；

步骤S5，将组合预测模型嵌入物联网平台，对步骤S3预处理后的监测数据进行预测，得到沉降预测数据，实现公路沉降智能监测。

2.根据权利要求1所述的一种公路沉降智能监测方法，其特征在于，步骤S1中的传感器为静力水准仪和多点位移计；在步骤S1中，由地勘报告、文献资料和工程经验，估算待监测路段的沉降量，根据估算结果选择传感器的量程和精度。

3.根据权利要求1所述的一种公路沉降智能监测方法，其特征在于，步骤S1中，沿待监测公路段每隔设定距离选定一个沉降监测剖面，在每个沉降监测剖面的路基两侧及路基中线各埋设一个多点位移计和静力水准仪，其中静力水准仪用于获取路基表面处竖向位移值，多点位移计布设在静力水准仪下方位置，用于获取不同层深处的沉降值。

4.根据权利要求1所述的一种公路沉降智能监测方法，其特征在于，步骤S2中的DTU选择为低带宽、低功耗、远距离、支持多连接的4G DTU，并根据传感器类型配置DTU参数，实现对监测数据的接收。

5.根据权利要求1所述的一种公路沉降智能监测方法，其特征在于，步骤S3具体包括如下步骤：S301，物联网平台基于ThingsBoard平台部署监控方案，通过MQTT协议接收原始监测数据；

S302，借助Node‑RED作为边缘计算节点，对原始监测数据进行异常数据剔除、噪声数据处理的预处理；

S303，将预处理完成后的有效监测数据进行可视化以及预警配置。

6.根据权利要求5所述的一种公路沉降智能监测方法，其特征在于，所述异常数据剔除为：统计单日监测数据均值μ、标准偏差σ，若单个测量数据的偏差超过3σ时，则认定该测量数据为异常数据，将该数据剔除；然后对剩余数据继续求均值、标准偏差和单测量数据偏差，重复数据剔除过程直至各数据的偏差均小于3倍的标准偏差为止，所述噪声数据处理采用数据平滑处理方法，即对剔除异常数据后的数据，采用时间窗口移动的方式分别计算窗口内n项数据的均值，n为移动的时间窗口大小，并用均值代替原有数值，以此消除随机波动。

7.根据权利要求1所述的一种公路沉降智能监测方法，其特征在于，步骤S4中，建立基于马尔科夫链蒙特卡洛的贝叶斯更新方法的公路沉降预测模型，进一步包括：获得高敏感性土体参数的先验信息，确定其先验分布；基于代理模型，结合传感器实际的沉降监测数据，采用马尔科夫链蒙特卡洛贝叶斯更新算法获得土体参数后验样本；将更新后土体参数的后验样本代入到代理模型中，获得软基沉降预测量。

8.根据权利要求1所述的一种公路沉降智能监测方法，其特征在于，步骤S4中，对两种沉降预测模型进行组合得到组合预测模型，具体包括：两种沉降预测模型建立完成后，利用误差倒数法确定不同模型的权重，形成组合预测模型；

令y表示实际沉降监测值， 表示第i种模型在t时刻的预测值，y(t)表示组合模型在t时刻的预测值；

计算第i个模型在t时刻的绝对误差ei(t)、绝对误差倒数之和di(t)、第i种模型在t时刻的权重wi，继而得到t时刻的组合模型预测值，计算公式如下：。

9.根据权利要求1所述的一种公路沉降智能监测方法，其特征在于，步骤S5中还包括：通过云服务将沉降预测结果反馈至用户的远程终端，对超标沉降和稳定性风险进行预警。