1.基于人工智能的随钻随测隧道围岩预测方法，其特征在于，包括：确定随钻机构，所述随钻机构上设置有信号发射阵列和信号接收阵列，所述信号接收阵列用于接收由所述信号发射阵列发射的信号；设置信号探测距样本，所述信号发射阵列和所述信号接收阵列根据所述信号探测距样本进行信号测试，生成信号探测样本，其中，所述信号探测距样本与所述信号探测样本相对应；以所述信号探测样本进行衰减率分析，获取所述信号探测距样本对应的信号衰减率样本；根据所述信号衰减率样本，获取第一信号探测距；按照所述第一信号探测距设置探测围栏区域，所述随钻机构基于所述探测围栏区域进行实时探测，输出实时探测信号；将所述实时探测信号输入隧道围岩风险预测模型中，根据所述隧道围岩风险预测模型输出第一预测风险指标，以所述第一预测风险指标进行上位机风险提示；所述信号发射阵列和所述信号接收阵列根据所述信号探测距样本进行信号测试，还包括：采集隧道围岩的地质结构样本，包括不同地质结构对应的特征因子集合；识别基于所述地质结构样本对应的历史探测样本数据集；根据所述历史探测样本数据集进行信号衰减影响分析，识别大于预设影响阈值的N个信号衰减影响因子，N为大于等于1的正整数；根据所述N个信号衰减影响因子进行衰减率分析，获取信号衰减率样本，其中，所述N个信号衰减影响因子至少包括密度、孔隙率、孔隙水含量、应力状态；以所述信号探测样本进行衰减率分析，其中，计算每个信号衰减率的表达式包括： ；其中， 为每组信号探测样本对应的信号衰减率， 为基础信号衰减率， 为衰减率调整函数， 为第i个信号衰减影响因子，N为信号衰减影响因子的总数量， 每组信号探测样本针对探测距d的信号强度， 为初始信号强度；根据所述信号衰减率样本，获取第一信号探测距，包括：根据所述信号衰减率样本，获取信号衰减率小于预设衰减率的探测距样本，对小于预设衰减率的探测距样本进行分析，确定信号探测距区间；连接所述信号发射阵列和所述信号接收阵列进行信号接收发的网络环境信息；根据所述网络环境信息对所述信号探测距区间进行优化，输出第一信号探测距。
2.如权利要求1所述的基于人工智能的随钻随测隧道围岩预测方法，其特征在于，根据所述网络环境信息对所述信号探测距区间进行优化，包括：根据所述网络环境信息对在所述信号探测距区间中进行样本测试，输出基于网络环境信息下的信号发射数据和信号接收数据；根据所述信号发射数据和所述信号接收数据进行探测丢失概率识别，输出基于所述信号探测距区间对应的探测丢失概率样本；以所述探测丢失概率样本，在所述信号探测距区间中定位探测丢失概率最小的第一信号探测距。
3.如权利要求1所述的基于人工智能的随钻随测隧道围岩预测方法，其特征在于，所述随钻机构基于所述探测围栏区域进行实时探测，所述探测围栏区域以所述随钻机构的位置为中心，以所述第一信号探测距为半径构成，还包括：根据所述网络环境信息，确定网络覆盖区域；根据所述网络覆盖区域，确定区域边缘坐标集；获取所述随钻机构的实时定位坐标，所述随钻机构上设置有定位模块，在所述区域边缘坐标集中对所述实时定位坐标进行匹配，若返回为1，获取信号处理指令；根据所述信号处理指令将所述探测围栏区域的实时探测信号输入信号放大器中进行信号放大，输出放大后的实时探测信号。
4.如权利要求1所述的基于人工智能的随钻随测隧道围岩预测方法，其特征在于，将所述实时探测信号输入隧道围岩风险预测模型中，根据所述隧道围岩风险预测模型输出第一预测风险指标，还包括：建立围岩异常信号样本库，所述围岩异常信号样本库受所述隧道围岩风险预测模型调用；将所述实时探测信号输入所述隧道围岩风险预测模型中，其中，所述隧道围岩风险预测模型包括信号相似性孪生网络；根据所述信号相似性孪生网络将所述实时探测信号与所述围岩异常信号样本库进行相似性比对，输出第一相似度指标；将所述第一相似度指标转换输出为第一预测风险指标。
5.基于人工智能的随钻随测隧道围岩预测平台，其特征在于，用于实施权利要求1至4中任意一项所述基于人工智能的随钻随测隧道围岩预测方法的步骤，所述基于人工智能的随钻随测隧道围岩预测平台包括：信号接收模块，用于确定随钻机构，所述随钻机构上设置有信号发射阵列和信号接收阵列，所述信号接收阵列用于接收由所述信号发射阵列发射的信号；探测样本生成模块，用于设置信号探测距样本，所述信号发射阵列和所述信号接收阵列根据所述信号探测距样本进行信号测试，生成信号探测样本，其中，所述信号探测距样本与所述信号探测样本相对应；衰减率分析模块，用于以所述信号探测样本进行衰减率分析，获取所述信号探测距样本对应的信号衰减率样本；第一信号探测距获取模块，用于根据所述信号衰减率样本，获取第一信号探测距；实时探测模块，用于按照所述第一信号探测距设置探测围栏区域，所述随钻机构基于所述探测围栏区域进行实时探测，输出实时探测信号；第一预测风险指标输出模块，用于将所述实时探测信号输入隧道围岩风险预测模型中，根据所述隧道围岩风险预测模型输出第一预测风险指标，以所述第一预测风险指标进行上位机风险提示。
