1.一种基于多参数变量的基坑变形量预警监测方法，其特征在于，包括如下步骤：（1）收集以往基坑的数据信息以及记录该基坑变形量的监测数据信息，所述基坑的数据信息包括：基坑形状及大小、基坑深度、地质条件、该基坑的支护结构类型、支护结构的支撑能力、周边环境条件、基坑安全等级；所述监测数据信息包括：总变形量和传感器各个时间点采集的变形量、以及传感器布置的位置信息；（2）依照该基坑的地质条件以及该基坑的支护结构类型对基坑的数据信息和监测数据信息进行分类；并且至少分为土钉墙数据库、水泥土重力式挡墙数据库、型钢水泥土搅拌墙数据库、支挡式结构数据库、地下连续墙数据库；（3）将土钉墙数据库、水泥土重力式挡墙数据库、型钢水泥土搅拌墙数据库、支挡式结构数据库、地下连续墙数据库中的数据分别构建机器学习模型；即是说利用土钉墙数据库中的数据构建土钉墙-机器学习模型；利用水泥土重力式挡墙数据库中的数据构建水泥土重力式挡墙-机器学习模型；利用型钢水泥土搅拌墙数据库的数据构建型钢水泥土搅拌墙-机器学习模型；利用支挡式结构数据库的数据构建支挡式结构-机器学习模型；利用地下连续墙数据库的数据构建地下连续墙-机器学习模型；（4）重新收集获得采集训练数据库，所述训练数据库至少包括土钉墙训练数据库、水泥土重力式挡墙训练数据库、型钢水泥土搅拌墙训练数据库、支挡式结构训练数据库、地下连续墙训练数据库；（5）将土钉墙训练数据库、水泥土重力式挡墙训练数据库、型钢水泥土搅拌墙训练数据库、支挡式结构训练数据库、地下连续墙训练数据库中的数据分别放进土钉墙-机器学习模型、水泥土重力式挡墙-机器学习模型、水泥土搅拌墙-机器学习模型、支挡式结构-机器学习模型、地下连续墙-机器学习模型进行训练，从而获得土钉墙-机器模型、水泥土重力式挡墙-机器模型、水泥土搅拌墙-机器模型、支挡式结构-机器模型、地下连续墙-机器模型；（6）将新建基坑的数据信息输入到相应的机器模型中输出该基坑对应的变形量；还包括将基坑的支护结构对应的支撑能力、土体载荷与变形量单独构建机器学习模型并进行训练获得支撑能力-荷载-机器模型，其中，支撑能力和土体荷载作为变量；将新基坑的支护结构对应的支撑能力和土体荷载输入到支撑能力-荷载-机器模型中获得基坑相应的变形量；在构建支撑能力-荷载-机器模型时，将支护结构的支撑能力/安全系数后再作为变量构建支撑能力-荷载-机器模型。
2.根据权利要求1所述的基于多参数变量的基坑变形量预警监测方法，其特征在于，在构建各个机器学习模型时，将基坑尺寸大小、基坑深度、基坑形状、周边环境条件、基坑安全等级作为变量，并不断调整变量的权重以获得最佳的机器学习模型。
3.根据权利要求1所述的基于多参数变量的基坑变形量预警监测方法，其特征在于，将地质条件中的地下水位信息和温度信息也作为变量，在构建机器学习模型时并不断调整地下水位、温度的权重。
4.根据权利要求1所述的基于多参数变量的基坑变形量预警监测方法，其特征在于，将地质条件中的土体含水量也作为变量，在构建机器学习模型时并不断调整土体含水量的权重。
