1.基于声发射波形识别的断层滑移预警方法，其特征在于，包括以下步骤：获取岩石产生的原始声发射波形，利用训练完毕的声发射波形识别模型，预测原始声发射波形属于各类型的概率；其中，根据频谱特征将波形划分为设定数量的类型，包括高频波形、低频波形和其他波形，低频波形为：超过80％最大幅值的频率处于0～200kHz，且主频与次主频之比大于0.5；高频波形为：超过80％最大幅值的频率处于200kHz以上的频段，且主频与次主频之比大于0.5；其他波形为：主频与次主频之比小于等于0.5；提取某一类波形，当设定参数X的总值、最大值、最小值或差分值中的至少一种超过阈值时，发出存在断层滑移风险的预警；其中，声发射波形识别模型在训练时，根据原始声发射波形中的特征，与原始声发射波形对应的频谱数据在层维度上拼接作为后续层的输入，并经特征提取和降采样后输出高阶特征，通过全连接层分类得到原始声发射波形属于各类型的概率； 实时识别时，取概率最大值对应类型为原始声发射波形的自动识别类型。
2.如权利要求1所述的基于声发射波形识别的断层滑移预警方法，其特征在于，声发射波形识别模型利用既有的声发射波形数据经预处理后进行训练，预处理的过程为：在既有的声发射波形中挑选用于训练和测试的波形；基于离散傅里叶变换和快速傅里叶变换获得波形频谱；根据频谱特征将选择的波形分为设定的类别，并建立声发射波形识别数据库。
3.如权利要求1所述的基于声发射波形识别的断层滑移预警方法，其特征在于，所述声发射波形识别模型将原始声发射波形作为第一输入，进行卷积和池化处理并得到波形时域特征图。
4.如权利要求3所述的基于声发射波形识别的断层滑移预警方法，其特征在于，所述声发射波形识别模型将声发射波形频谱作为第二输入，并与得到的波形时域特征图拼接，得到波形时-频域特征图；对波形时-频域特征图进行多次卷积和池化操作，获得波形类型概率预测值，即原始声发射波形属于各类型的概率。
5.如权利要求1所述的基于声发射波形识别的断层滑移预警方法，其特征在于，声发射波形识别模型的训练过程，包括：基于声发射波形识别数据库中的数据，按照设定比例划分为训练集和测试集，输入到声发射波形识别模型中，得到各波形对应各类型的概率预测值；得到概率预测值与真实值之间的误差，根据误差值更新声发射波形识别模型中各权重的大小；反复输入训练波形并更新声发射波形识别模型中的各权重，直至误差满足设定条件。
6.如权利要求5所述的基于声发射波形识别的断层滑移预警方法，其特征在于，声发射波形识别模型的训练过程，还包括：将测试集波形输入到声发射波形识别模型中，得到各测试集波形的预测类型；将测试集波形的预测类型与真实类型对比，直至正确率满足要求，得到训练完毕的声发射波形识别模型。
7.基于声发射波形识别的断层滑移预警系统，其特征在于，包括：波形类型识别单元，被配置为：获取岩石产生的原始声发射波形，利用训练完毕的声发射波形识别模型，预测原始声发射波形属于各类型的概率；其中，根据频谱特征将波形划分为设定数量的类型，包括高频波形、低频波形和其他波形，低频波形为：超过80％最大幅值的频率处于0～200kHz，且主频与次主频之比大于0.5；高频波形为：超过80％最大幅值的频率处于200kHz以上的频段，且主频与次主频之比大于0.5；其他波形为：主频与次主频之比小于等于0.5；断层滑移预警单元，被配置为：提取某一类波形，当设定参数X的总值、最大值、最小值或差分值中的至少一种超过阈值时，发出存在断层滑移风险的预警；其中，声发射波形识别模型在训练时，根据原始声发射波形中的特征，与原始声发射波形对应的频谱数据在层维度上拼接作为后续层的输入，并经特征提取和降采样后输出高阶特征，通过全连接层分类得到原始声发射波形属于各类型的概率；实时识别时，取概率最大值对应类型为原始声发射波形的自动识别类型。
8.一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如权利要求1-6任一项所述的基于声发射波形识别的断层滑移预警方法中的步骤。
9.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-6任一项所述的基于声发射波形识别的断层滑移预警方法中的步骤。
