1.公路路基边坡塌陷监测可靠度分析方法，其特征在于，包括如下步骤：S1：采集基于大数据的公路路基边坡历史数据，对基于大数据的公路路基边坡历史数据进行处理，确定基于大数据的公路路基边坡特征数据；

S2：根据公路路基边坡塌陷监测可靠度分析需求，构建基于机器学习的公路路基边坡塌陷预测模型，对公路路基边坡塌陷预测模型进行测试优化，确定最优的公路路基边坡塌陷预测模型；

S3：收集公路路基边坡实时数据，基于最优的公路路基边坡塌陷预测模型对公路路基边坡实时数据进行分析预测，判断公路路基边坡稳定性情况，确定公路路基边坡塌陷预测结果；

S4：对公路路基边坡塌陷预测结果的可靠度进行分析，判断公路路基边坡塌陷预测结果与公路路基边坡塌陷实际结果之间的匹配度，确定公路路基边坡塌陷监测可靠度分析结果；

将公路路基边坡塌陷预测结果与公路路基边坡塌陷实际结果进行对比分析，包括：针对公路路基边坡塌陷预测结果与公路路基边坡塌陷实际结果分别进行结果分析数据获取，得到第一分析数据信息和第二分析数据信息；

根据公路路基边坡塌陷预测结果与公路路基边坡塌陷实际结果进行匹配度分析计算，得到第一匹配值；

针对第一分析数据信息和第二分析数据信息分别进行拆解与数据标准化处理，得到多个第一分析子数据和多个第二分析子数据；

根据第一分析子数据和第二分析子数据进行对应，并按照对应结果进行匹配分析计算，得到第二匹配值；

针对第一匹配值和第二匹配值进行综合分析，得到公路路基边坡塌陷预测结果与公路路基边坡塌陷实际结果之间的匹配度；

上述公式中，W为公路路基边坡塌陷预测结果与公路路基边坡塌陷实际结果之间的匹配度，u为第一权值，m为参数，Ai为公路路基边坡塌陷预测结果中第i个数据，Bi为公路路基边坡塌陷实际结果中第i个数据，n为第一分析子数据的数目，xk(p)为第k个第一分析子数据中的p位置数据，yk(p)为第k个第二分析子数据中的p位置数据；

进而按照公路路基边坡塌陷预测结果与公路路基边坡塌陷实际结果之间的匹配度结合结果确定标准确定公路路基边坡塌陷监测可靠度分析结果。

2.根据权利要求1所述的公路路基边坡塌陷监测可靠度分析方法，其特征在于，所述S1中，采集基于大数据的公路路基边坡历史数据，执行以下操作：对公路路基边坡的历史设计参数进行采集，获取公路路基边坡设计数据；

对公路路基边坡的历史地质情况进行采集，获取公路路基边坡地质数据；

对公路路基边坡的历史水文情况进行采集，获取公路路基边坡水文数据；

对公路路基边坡的历史施工记录进行采集，获取公路路基边坡施工数据；

其中，基于公路路基边坡设计数据、公路路基边坡地质数据、公路路基边坡水文数据及公路路基边坡施工数据，确定基于大数据的公路路基边坡历史数据。

3.根据权利要求2所述的公路路基边坡塌陷监测可靠度分析方法，其特征在于，所述S1中，对基于大数据的公路路基边坡历史数据进行处理，执行以下操作：获取基于大数据的公路路基边坡历史数据；

对基于大数据的公路路基边坡历史数据进行清洗，包括：

对基于大数据的公路路基边坡历史数据进行一致性检查；

根据数据一致性要求，检查基于大数据的公路路基边坡历史数据中是否含有对公路路基边坡塌陷监测可靠度分析无用的不一致数据，且去除基于大数据的公路路基边坡历史数据中的不一致数据；

对基于大数据的公路路基边坡历史数据进行无效值及缺失值检查；

根据数据有效性及完整性要求，检查基于大数据的公路路基边坡历史数据中是否含有对公路路基边坡塌陷监测可靠度分析无用的无效值及缺失值，且去除基于大数据的公路路基边坡历史数据中的无效值及缺失值；

确定对公路路基边坡塌陷监测可靠度分析有用的公路路基边坡历史数据。

4.根据权利要求3所述的公路路基边坡塌陷监测可靠度分析方法，其特征在于，所述S1中，对基于大数据的公路路基边坡历史数据进行处理，还执行以下操作：获取对公路路基边坡塌陷监测可靠度分析有用的公路路基边坡历史数据；

对公路路基边坡塌陷监测可靠度分析有用的公路路基边坡历史数据进行转换，使对公路路基边坡塌陷监测可靠度分析有用的公路路基边坡历史数据之间的格式统一化；

消除对公路路基边坡塌陷监测可靠度分析有用的公路路基边坡历史数据之间的量纲差异，确定标准化的公路路基边坡历史数据；

对标准化的公路路基边坡历史数据进行特征提取；

从标准化的公路路基边坡历史数据中提取出能够反映公路路基边坡塌陷监测可靠度分析的特征；

确定基于大数据的公路路基边坡特征数据。

5.根据权利要求4所述的公路路基边坡塌陷监测可靠度分析方法，其特征在于，所述S2中，构建基于机器学习的公路路基边坡塌陷预测模型，执行以下操作：获取基于大数据的公路路基边坡特征数据；

对基于大数据的公路路基边坡特征数据进行划分，确定训练集及测试集；

根据公路路基边坡塌陷监测可靠度分析需求，选择适用于公路路基边坡塌陷预测的机器学习模型框架；

基于训练集，对选择的适用于公路路基边坡塌陷预测的机器学习模型框架进行训练，确定出基于机器学习的公路路基边坡塌陷预测模型。

6.根据权利要求5所述的公路路基边坡塌陷监测可靠度分析方法，其特征在于，所述S2中，对公路路基边坡塌陷预测模型进行测试优化，执行以下操作：获取基于机器学习的公路路基边坡塌陷预测模型；

基于测试集，对基于机器学习的公路路基边坡塌陷预测模型进行性能测试，判断基于机器学习的公路路基边坡塌陷预测模型是否能达到预期效果；

确定公路路基边坡塌陷预测模型的性能测试结果；

基于公路路基边坡塌陷预测模型的性能测试结果，对基于机器学习的公路路基边坡塌陷预测模型的参数进行调整及结构进行优化，对基于机器学习的公路路基边坡塌陷预测模型进行反复迭代优化；

确定最优的公路路基边坡塌陷预测模型。

7.根据权利要求6所述的公路路基边坡塌陷监测可靠度分析方法，其特征在于，所述S3中，基于最优的公路路基边坡塌陷预测模型对公路路基边坡实时数据进行分析预测，执行以下操作：获取最优的公路路基边坡塌陷预测模型，将最优的公路路基边坡塌陷预测模型部署于实际的公路路基边坡塌陷监测工作中；

根据公路路基边坡塌陷监测可靠度分析需求，收集公路路基边坡实时数据，将公路路基边坡实时数据输入到最优的公路路基边坡塌陷预测模型中；

基于最优的公路路基边坡塌陷预测模型对公路路基边坡实时数据进行分析预测，判断公路路基边坡稳定性情况，确定公路路基边坡塌陷预测结果；

其中，公路路基边坡塌陷预测结果包括：公路路基边坡稳定性好，即公路路基边坡不存在塌陷风险或公路路基边坡稳定性差，即公路路基边坡存在塌陷风险。

8.根据权利要求7所述的公路路基边坡塌陷监测可靠度分析方法，其特征在于，所述S4中，对公路路基边坡塌陷预测结果的可靠度进行分析，执行以下操作：获取公路路基边坡塌陷预测结果，对公路路基边坡塌陷预测结果的可靠度进行分析；

将公路路基边坡塌陷预测结果与公路路基边坡塌陷实际结果进行对比分析，判断公路路基边坡塌陷预测结果与公路路基边坡塌陷实际结果之间的匹配度，确定公路路基边坡塌陷监测可靠度分析结果；

其中，公路路基边坡塌陷预测结果与公路路基边坡塌陷实际结果相匹配，则公路路基边坡塌陷监测可靠度分析结果为公路路基边坡塌陷监测可靠度高；

其中，公路路基边坡塌陷预测结果与公路路基边坡塌陷实际结果不匹配，则公路路基边坡塌陷监测可靠度分析结果为公路路基边坡塌陷监测可靠度低。

9.根据权利要求4所述的公路路基边坡塌陷监测可靠度分析方法，其特征在于，对标准化的公路路基边坡历史数据进行特征提取，包括：针对标准化的公路路基边坡历史数据按照数据种类分别进行变化分析，结合时间顺序判断标准化的公路路基边坡历史数据是否发生变化，得到分析判断结果；

根据分析判断结果针对标准化的公路路基边坡历史数据进行划分，得到第一划分结果和第二划分结果，其中第一划分结果是发生变化的标准化的公路路基边坡历史数据，第二划分结果是未发生变化的标准化的公路路基边坡历史数据；

在第一划分结果中，针对第一划分结果子数据进行变化特征分析，并按照变化特征提取对应的标准化的公路路基边坡历史数据，得到第一划分结果子数据特征；

在第二划分结果中，针对第二划分结果子数据进行统计分析，获取统计分析结果，并根据统计分析结果确定第二划分结果子数据特征。