1.一种基于大数据分析的水利工程质量安全风险评估方法，其特征在于：包括以下步骤：S1、在潮汐能发电站工程建设工地的周围设置若干个检测点，实时采集潮汐能发电工程建设工地的综合建造数据、环境数据和潮汐数据，并建立第一数据集、第二数据集和第三数据集，所述综合建造数据包括凝固数据和地质数据；

S2、建立潮汐能发电站工程建设数字孪生模型，形成可视化平台，并通过使用数字孪生模型来基于大数据，对潮汐能发电站在建设的过程中，对采集到的图片数据、地理信息、建设数据和环境数据进行预处理；

S3、数字孪生模型依据采集到的第一数据集、第二数据集和第三数据集，进行无量纲处理后，并进行分析和计算，获取综合建造系数Jzxs、环境系数Hjxs和潮汐能系数Cxxs；

所述综合建造系数Jzxs、环境系数Hjxs和潮汐能系数Cxxs通过以下公式获取：；

；

；

式中，Ngxs表示凝固系数，Dzxs表示地质系数，a1和a2表示混凝土凝固系数Ngxs和地质系数Dzxs的比例系数，其中，a1+a2≠1，0.01＜a1＜0.98，0＜a2＜0.99，其具体值由用户调整设置，A为第一修正常数；

Fb表示风暴频率、Yl表示云量、Qx表示气旋值、Sd表示湿度、Wd表示温度，b1、b2、b3、b4和b5分别为风暴频率Fb、云量Yl、气旋值Qx、湿度Sd和温度Wd的比例系数，其中 ，， ， ， ，其具体值由用户调整设置，B为第二修正常数；

Cpl表示潮汐频率，Czf表示潮汐振幅，Cls表示潮汐流速，Clx表示潮汐流向，Gcx表示高潮差，Dcx表示低潮差，c1、c2、c3、c4、c5和c6分别为潮汐频率Cpl、潮汐振幅Czf、潮汐流速Cls、潮汐流向Clx，潮汐高潮差Gcx和潮汐低潮差Dcx，其中，0.04＜c1＜0.79，0.02＜c2＜

0.99，0.6＜c3＜0.88，0.03＜c4＜0.93，0.05＜c5＜0.95，0.06＜c6＜0.96，其具体值由用户调整设置，C为第三修正常数；

S4、将第一数据集、第二数据集和第三数据集计算获取的，综合建造系数Jzxs、环境系数Hjxs和潮汐能系数Cxxs，通过无量纲处理后，进行相关联分析计算，获取到综合质量系数Zlxs；

S5、预设风险评估阈值F，将通过相关联分析计算获取的综合质量系数Zhxs，并通过数字孪生模型基于大数据对评估结果进行分析，获取评估结果，生成优化方案。

2.根据权利要求1所述的一种基于大数据分析的水利工程质量安全风险评估方法，其特征在于：在潮汐能发电站工程建设工地的周围设置若干个检测点，并安装检测设备，所述检测设备包括第一集成传感器组、第二集成传感器组和第三集成传感器组；

所述第一集成传感器组包括混凝土凝固检测传感器组和地质检测传感器组；

所述混凝土凝固检测传感器组包括离子色谱仪、镁离子电极、溶解氧传感器和pH传感器；

所述地质检测传感器组包括声呐测深仪、侧扫声呐、激光测距仪和水文学传感器；

所述第二集成传感器组包括气象卫星、云量仪、气旋计、湿度传感器和温度传感器；

所述第三集成传感器组包括卫星遥感、潮汐测量仪器、潮汐浮标和数值模型。

3.根据权利要求2所述的一种基于大数据分析的水利工程质量安全风险评估方法，其特征在于：通过第一集成传感器组采集到第一数据集，所述第一数据集包括凝固数据集和地质数据集；

‑ ‑ ‑

所述凝固数据集包括氯离子含量Cl 、硫酸盐浓度SO4²、碳酸盐浓度CO3² 、镁离子含量+Mg²和氧气含量O2；

所述地质数据集包括海水深度Hsd、海底坡度Hdp、沉积物厚度Cjw和海岸坡度Hap；

通过第二集成传感器组采集到第二数据集，所述第二数据集包括风暴频率Fb、云量Yl、气旋值Qx、湿度Sd和温度Wd；

通过第三集成传感器组采集到第三数据集，所述第三数据集包括潮汐频率Cpl、潮汐振幅Czf、潮汐流速Cls、潮汐流向Clx，潮汐高潮差Gcx和潮汐低潮差Dcx。

4.根据权利要求1所述的一种基于大数据分析的水利工程质量安全风险评估方法，其特征在于：通过数字孪生模型将采集到的第一数据集、第二数据集和第三数据集进行整合，生成全面的可视化三维数据视图，并通过大数据模拟分析综合建造数据、环境数据和潮汐数据，数字孪生模型帮助优化操作参数；并且在进行数据分析之前，通过大数据对采集到的数据进行清洗和预处理，以去除噪音、处理缺失值和异常值，并将数据无量处理转换为可用的格式。

5.根据权利要求4所述的一种基于大数据分析的水利工程质量安全风险评估方法，其特征在于：通过数据孪生模型将采集到的第一数据集中的凝固数据集，进行无量纲处理后，汇总计算混凝土凝固系数Ngxs；

所述混凝土凝固系数Ngxs通过以下公式获取：

；

‑ ‑ ‑

式中d1、d2、d3、d4和d5表示氯离子含量Cl、硫酸盐浓度SO4² 、碳酸盐浓度CO3² 、镁离子+含量Mg²和氧气含量O2的比例系数，其中，0.02＜d1＜0.79，0.03＜d2＜0.98，0.04＜d3＜

0.97，0.05＜d4＜0.99，0.05＜d5＜0.99，其具体值由用户调整设置，D为第四修正常数。

6.根据权利要求4所述的一种基于大数据分析的水利工程质量安全风险评估方法，其特征在于：通过数字孪生模型将采集到的第一数据集中的地质数据集，进行无量纲处理后，汇总计算生成地质系数Dzxs；

所述地质系数Dzxs通过以下公式获取：

；

式中e1、e2、e3和e4分别为海水深度Hsd、海底坡度Hdp、沉积物厚度Cjw和海岸坡度Hap的比例系数，其中，0＜e1＜1，0＜e2＜1，0＜e3＜1，0＜e4＜1，其具体值由用户调整设置，E为第五修正常数。

7.根据权利要求1所述的一种基于大数据分析的水利工程质量安全风险评估方法，其特征在于：通过数字孪生模型基于大数据对第一数据集、第二数据集和第三数据集分析计算，获得综合建造系数Jzxs、环境系数Hjxs和潮汐能系数Cxxs，并通过数字孪生模型，将综合建造系数Jzxs、环境系数Hjxs和潮汐能系数Cxxs，无量纲处理后，进行相关联计算分析获取综合质量系数Zlxs；

所述综合质量系数Zlxs通过以下公式获取：

；

式中，w1、w2和w3分别为综合建造系数Jzxs、环境系数Hjxs和潮汐能系数Cxxs的修正常数，且0＜w1＜1，0＜w2＜1，0＜w3＜1，其具体值由用户调整设置，W为第六修正常数。

8.根据权利要求1所述的一种基于大数据分析的水利工程质量安全风险评估方法，其特征在于：预先设置风险评估阈值F，并将风险评估阈值F与所述综合质量系数Zlxs进行对比评估，获取评估结果，具体评估结果如下；

当综合质量系数Zlxs＞风险评估阈值F时，则表示当前潮汐能发电站在建造过程中存在风险，此时则生成第一评估结果；

当综合质量系数Zlxs=风险评估阈值F时，则表示当前潮汐能发电站在建造过程中无风险，此时无需生成评估结果；

当综合质量系数Zlxs＜风险评估阈值F时，则表示潮汐能发电站存在环境影响的风险，此时则生成第二评估结果。

9.根据权利要求8所述的一种基于大数据分析的水利工程质量安全风险评估方法，其特征在于：当数字孪生模型接收到第一评估结果时，通过大数据进行分析，则生成第一优化方案，具体优化方法如下；

将潮汐能发电站的建筑混凝土内加入聚合铝盐的同时，采用高强度混凝土材料，以提高混凝土的抗风暴能力和耐久性，采用流线型建筑设计，风暴对建筑物的影像，提高建筑的抗风性能，地基施工过程中打穿沉积物层至岩石地层加固地基，采用地下挖孔桩、地基加固灌浆，提高地基的稳定性和承载性能，降低潮汐能发电站的发电设备功率，并考虑采用可调节功率的发电设备，应对不同环境条件下的运行需求，降低潮汐能发电站的运行风险。

10.根据权利要求9所述的一种基于大数据分析的水利工程质量安全风险评估方法，其特征在于：当数字孪生模型，接收到第二评估结果时，通过大数据进行分析，则生成第二优化方案，具体优化方法如下；

通过数字孪生模型基于大数据，预测建设工地的气象数据，并根据预测数据对工地建设工期进行合理规划，调整工程进度，延迟或提前施工避免不利气象条件下的施工；

通过针对潮汐能数据的风险，将潮汐能发电机的功率设计成调节机制，使其能够根据潮汐能数据的波动进行实时调整，以确保发电设备在各种潮汐条件下都能够稳定运行，采用多备份发电设备，应对潮汐能发电站可能遇到的突发故障或损坏，确保持续供电，实施定期巡检和维护计划，确保设备的正常运行和安全性。