1.一种融合多源数据的城市地铁水灾异常定位与显示系统，其特征在于，包括：数据采集模块，用于实时采集雨洪数据、气象数据和地下排水数据；数据存储模块，用于存储现有的地形数据，以及所述雨洪数据、所述气象数据和所述地下排水数据，作为特征数据；因素分析模块，用于对所述特征数据进行分析，得到多个内涝积水主要因素；水灾预测模块，存储有水灾预测模型，用于根据所述特征数据中各个所述内涝积水主要因素对应的数据构建输入数据，并将输入数据输入所述水灾预测模型，得到水灾预测地点和对应的预测严重程度；内涝积水预测模块，用于对各个所述水灾预测地点，根据对应的所述特征数据进行计算，得到该水灾预测地点的内涝预测范围和各区域预测积水深度作为内涝预测结果；结果定位模块，存储有地铁线路图数据，用于根据所述内涝预测结果与所述地铁线路图数据，计算得到各个受水灾影响的地铁站点作为受灾站点；显示模块，用于显示所述受灾站点，其中，内涝积水预测模块包括：产流模拟单元，用于根据所述气象数据和所述地形数据计算得到地表产流模拟数据；汇流模拟单元，存储有根据所述地下排水数据构建的地下排水模型，用于根据所述地表产流模拟数据和所述地下排水模型，计算得到地下水流动和排水模拟数据；内涝和积水计算单元，用于对所述地下水流动和排水模拟数据与所述地表产流模拟数据进行计算，得到所述内涝预测结果。
2.根据权利要求1所述的融合多源数据的城市地铁水灾异常定位与显示系统，其特征在于：其中，所述因素分析模块包括：相关性分析单元，用于对所述特征数据中对应的各个因素进行内涝事件相关性分析，得到多个相关因素；共线性检验单元，用于对所有所述相关因素进行多重共线性检验，筛选得到多个所述相关因素作为所述内涝积水主要因素。
3.根据权利要求2所述的融合多源数据的城市地铁水灾异常定位与显示系统，其特征在于：其中，所述内涝事件相关性分析为统计方法或基于树模型的方法，所述统计方法包括线性相关性计算和卡方检验，所述基于树模型的方法为根据训练的随机森林模型或XGBoost模型计算得到各个所述因素对应的重要性评分，并选取大的所述重要性评分对应的所述因素作为所述相关因素。
4.根据权利要求1所述的融合多源数据的城市地铁水灾异常定位与显示系统，其特征在于：其中，所述水灾预测模块包括：输入数据生成单元，用于对所述数据依次进行预处理、标准化和数据转化，生成输入矩阵作为所述输入数据；第一预测单元，存储有所述水灾预测模型，用于将所述输入数据输入所述水灾预测模型，得到所述水灾预测地点和对应的所述预测严重程度。
5.根据权利要求1所述的融合多源数据的城市地铁水灾异常定位与显示系统，其特征在于：其中，所述水灾预测模型包括：卷积层，用于对所述输入数据进行多个卷积操作，提取局部特征；池化层，用于对所述局部特征进行聚合，得到全局特征；全连接层，用于将所述局部特征和所述全局特征进行全连接操作，生成特征向量；输出层，用于对所述特征向量进行处理，得到所述水灾预测地点和对应的所述预测严重程度。
6.根据权利要求1所述的融合多源数据的城市地铁水灾异常定位与显示系统，其特征在于：其中，所述结果定位模块包括：数据匹配单元，存储有地铁线路图数据，用于将所述内涝预测结果与所述地铁线路图数据进行坐标匹配，得到匹配结果；定位单元，用于通过最近邻算法，计算所述匹配结果中各个所述内涝预测范围与最近地铁站点之间的距离；受灾筛选单元，存储有距离阈值，用于将所述距离小于所述距离阈值的所述地铁站点作为所述受灾站点。
7.根据权利要求1所述的融合多源数据的城市地铁水灾异常定位与显示系统，其特征在于，还包括：预警模块，用于根据所述受灾站点和所述内涝预测结果生成预警信息，并发送至指定接收对象。
8.根据权利要求1所述的融合多源数据的城市地铁水灾异常定位与显示系统，其特征在于，还包括：处置模块，其中，所述数据存储模块还用于存储所述受灾站点、所述内涝预测结果、水灾应对措施和处理结果，所述处置模块用于对所述数据存储模块存储的数据进行深度分析，生成分析报告，所述分析报告用于优化应急预案和了解历史水灾情况。
