1.一种多源信息融合的岩石三维重构方法，其特征在于，该方法包括以下步骤：获取岩石的CT扫描数据、声发射信号、DIC变形场数据、钻孔成像图像和地质雷达数据，并进行预处理；将预处理后的CT扫描数据、声发射信号和DIC变形场数据进行融合，通过3D-CNN网络对融合特征向量进行空间特征学习，构建岩石细观损伤的三维体素模型；将预处理后的钻孔成像图像和地质雷达数据进行融合，采用基于点云的三维重建算法，将融合后的图像数据转换为地下洞室围岩结构的点云模型，并基于隐式曲面重建算法，构建地下洞室围岩结构的数字孪生框架；将三维体素模型和数字孪生框架输出的特征参数作为输入，利用LSTM-CNN融合模型输出最优的支护时机和支护参数；在地下工程施工过程中，实时采集围岩变形数据，采用深度确定性策略梯度算法实时调整支护方案；所述将预处理后的CT扫描数据、声发射信号和DIC变形场数据进行融合，包括：将预处理后的CT扫描数据、声发射信号、DIC变形场数据转换数据特征向量，并添加位置编码，输入Transformer编码器；Transformer编码器中采用8组自注意力，每组注意力头独立计算三种模态数据的Q-K-V矩阵，通过点积运算得到两两数据之间的相关性；在自注意力计算后，对自注意力的输出特征进行层归一化，通过残差连接将Transformer编码器的输入添加到输出特征中；经过自注意力和层归一化的融合特征，通过两层全连接层提取跨模态融合后的高阶特征，经过Transformer编码器的多层处理，输出融合特征向量；所述将三维体素模型和数字孪生框架输出的特征参数作为输入，利用LSTM-CNN融合模型输出最优的支护时机和支护参数，包括：将三维体素模型和数字孪生框架输出的特征参数经过预处理和拼接，得到混合特征向量，作为LSTM-CNN融合模型的输入；CNN分支通过3×3卷积核扫描裂隙分布张量，识别围岩结构中的典型空间模式，输出64通道的空间特征图，通过最大池化层将局部特征聚合为全局结构描述，输出64×64的空间特征矩阵；LSTM分支先进行时间序列编码，再通过遗忘门、输入门和输出门捕捉弹性模量突降事件、识别黏聚力渐进衰减趋势和检测裂纹扩展速率的二阶导数，全连接层将LSTM的隐藏状态转换为64维的时序特征向量；将CNN分支输出的空间特征矩阵展平为一维向量，与LSTM分支输出的时序特征向量进行串联，形成包含空间分布规律与时间演化趋势的综合特征向量；输出层通过线性变换生成最终结果，得到最优的支护时机和支护参数。
2.如权利要求1所述的一种多源信息融合的岩石三维重构方法，其特征在于，所述获取岩石的CT扫描数据、声发射信号、DIC变形场数据、钻孔成像图像和地质雷达数据，并进行预处理，包括：针对CT扫描数据，采用非局部均值滤波去除金属伪影；针对声发射信号，基于小波包变换滤除噪声；针对DIC变形场数据，通过中值滤波去除散斑图像随机噪声，并采用亚像素插值增强像素；针对钻孔成像图像，基于直方图均衡化结合Otsu算法增强裂隙对比度，去除钻孔水膜反光；针对地质雷达数据，采用滑动平均法去除背景噪声去除，并采用K-S变换压制多次波。
3.如权利要求1所述的一种多源信息融合的岩石三维重构方法，其特征在于，所述通过3D-CNN网络对融合特征向量进行空间特征学习，构建岩石细观损伤的三维体素模型，包括：将Transformer输出的，基于CT扫描数据的原始空间分辨率转换为三维张量；将三维张量输入3D-CNN网络，通过3D-CNN网络分层提取多尺度空间特征，输出三维体素概率矩阵；提取CT扫描数据中的高值区域得到矿物颗粒节点，基于三维体素概率矩阵，提取概率大于等于0.7的体素簇，得到微裂纹节点；当矿物颗粒与微裂纹的最小距离小于0.05mm时建立无向边，微裂纹之间若尖端距离小于0.1mm建立有向边，得到图结构；基于图结构通过GNN网络捕捉物理相互作用，得到修正后的体素特征，将GNN网络映射回3D-CNN网络进行迭代优化；经过3D-CNN网络和GNN网络的交替处理，构建岩石细观损伤的三维体素模型。
4.如权利要求3所述的一种多源信息融合的岩石三维重构方法，其特征在于，所述将三维张量输入3D-CNN网络，通过3D-CNN网络分层提取多尺度空间特征，输出三维体素概率矩阵，包括：底层卷积层以步长1滑动，对每个体素及其相邻26个邻居进行卷积运算，提取基础空间特征；中层卷积层采用步长2的下采样，扩大感受野整合局部特征间的空间关系；高层卷积层通过1×1×1卷积核整合全空间特征，最终输出三维体素概率矩阵。
5.如权利要求1所述的一种多源信息融合的岩石三维重构方法，其特征在于，所述在地下工程施工过程中，实时采集围岩变形数据，采用深度确定性策略梯度算法中实时调整支护方案，包括：将围岩变形数据经卡尔曼滤波去除噪声后输入 深度确定性策略梯度算法；Actor网络根据当前状态输出具体参数，经校验后生成支护调整指令，并传输至对应的执行设备；将调整后的支护方案反馈到数字孪生框架中，对围岩结构的演化过程进行模拟和预测。
6.一种多源信息融合的岩石三维重构系统，其特征在于，该系统包括：数据获取模块，用于获取岩石的CT扫描数据、声发射信号、DIC变形场数据、钻孔成像图像和地质雷达数据，并进行预处理；第一构建模块，用于将预处理后的CT扫描数据、声发射信号和DIC变形场数据进行融合，通过3D-CNN网络对融合特征向量进行空间特征学习，构建岩石细观损伤的三维体素模型：将预处理后的CT扫描数据、声发射信号、DIC变形场数据转换数据特征向量，并添加位置编码，输入Transformer编码器；Transformer编码器中采用8组自注意力，每组注意力头独立计算三种模态数据的Q-K-V矩阵，通过点积运算得到两两数据之间的相关性；在自注意力计算后，对自注意力的输出特征进行层归一化，通过残差连接将Transformer编码器的输入添加到输出特征中；经过自注意力和层归一化的融合特征，通过两层全连接层提取跨模态融合后的高阶特征，经过Transformer编码器的多层处理，输出融合特征向量；第二构建模块，用于将预处理后的钻孔成像图像和地质雷达数据进行融合，采用基于点云的三维重建算法，将融合后的图像数据转换为地下洞室围岩结构的点云模型，并基于隐式曲面重建算法，构建地下洞室围岩结构的数字孪生框架；输出模块，用于将三维体素模型和数字孪生框架输出的特征参数作为输入，利用LSTM-CNN融合模型输出最优的支护时机和支护参数：将三维体素模型和数字孪生框架输出的特征参数经过预处理和拼接，得到混合特征向量，作为LSTM-CNN融合模型的输入；CNN分支通过3×3卷积核扫描裂隙分布张量，识别围岩结构中的典型空间模式，输出64通道的空间特征图，通过最大池化层将局部特征聚合为全局结构描述，输出64×64的空间特征矩阵；LSTM分支先进行时间序列编码，再通过遗忘门、输入门和输出门捕捉弹性模量突降事件、识别黏聚力渐进衰减趋势和检测裂纹扩展速率的二阶导数，全连接层将LSTM的隐藏状态转换为64维的时序特征向量；将CNN分支输出的空间特征矩阵展平为一维向量，与LSTM分支输出的时序特征向量进行串联，形成包含空间分布规律与时间演化趋势的综合特征向量；输出层通过线性变换生成最终结果，得到最优的支护时机和支护参数；实时调整模块，用于在地下工程施工过程中，实时采集围岩变形数据，采用深度确定性策略梯度算法实时调整支护方案。
7.一种多源信息融合的岩石三维重构设备，其特征在于，所述多源信息融合的岩石三维重构设备包括存储器和至少一个处理器，所述存储器中存储有指令；所述至少一个处理器调用所述存储器中的所述指令，以使得所述多源信息融合的岩石三维重构设备执行如权利要求1-5中任一项所述的多源信息融合的岩石三维重构方法的各个步骤。
8.一种计算机可读存储介质，所述计算机可读存储介质上存储有指令，其特征在于，所述指令被处理器执行时实现如权利要求1-5中任一项所述多源信息融合的岩石三维重构方法的各个步骤。
