1.一种隧道岩溶超前地质预报自动解译方法，其特征在于，包括以下具体步骤：获取不同尺度上的隧道岩溶超前地质预报数据，对隧道岩溶超前地质预报数据进行预处理；对预处理后的隧道岩溶超前地质预报数据进行无监督图像的重建；根据无监督图像构建一个三维重建模型；其中，所述根据无监督图像构建一个三维重建模型，具体包括：基于无监督图像数据，构建一个平面反射的平面反射模型，所述平面反射模型每一层具有一个属性值且按照自下而上进行递增；向平面反射模型中添加褶皱和倾斜，模拟真实数据中的层位起伏特征；以椭圆面模拟断层面，添加断层平面，然后对平面进行扰动；基于扰动数据获取初始三维模型的标签和断层数据；在初始三维模型的标签和断层数据中提取初始三维模型标签的等值面；将等值面嵌入到三维网格中，得到层位数据；基于层位数据，对初始三维模型进行分层网格化，得到每个网格的空间三维坐标；基于每个网格的空间三维坐标，确定初始三维模型的边界与深度；对初始三维模型的边界与深度进行空间插值处理，得到顶面与底面；结合三维网格、初始三维模型的边界与深度、初始三维模型的顶面与底面，生成三维重建模型；构建神经网络模型，结合二维编码器提取三维重建模型的二维分布特征图；构建三维解码器对二维特征图进行逐层解码，基于解码结果构建数据自动解译模型；所述三维解码器包括多个反卷积层和上采样层，所述反卷积层用于增加特征维度，所述上采样层用于恢复数据的空间分辨率；采用生成器和鉴别器构建生成式对抗网络，在所述生成式对抗网络中，生成器和鉴别器进行对抗博弈，直至达到纳什均衡，完成对数据自动解译模型的训练，得到训练后的数据自动解译模型；基于训练后的数据自动解译模型进行反演，得到隧道岩溶超前地质预报的解译结果。
2.根据权利要求1所述的隧道岩溶超前地质预报自动解译方法，其特征在于，所述对隧道岩溶超前地质预报数据进行预处理，具体包括：获取不同尺度上的隧道岩溶超前地质预报数据，将不同尺度上的隧道岩溶超前地质预报数据进行标准化处理；对标准化处理后的不同尺度上的隧道岩溶超前地质预报数据进行位置匹配并校正；对校正后的数据进行彩色合成波段选择，进行数据融合；采用直方图匹配方法，协调拼接图像的亮度和对比度，完成对隧道岩溶超前地质预报数据的预处理。
3.根据权利要求1所述的隧道岩溶超前地质预报自动解译方法，其特征在于，对预处理后的隧道岩溶超前地质预报数据进行无监督图像的重建，具体包括：提取预处理后的隧道岩溶超前地质预报数据中的图像数据；提取图像数据中的残缺图像的种子点的掩码矩阵，用于标记已知点的位置；将随机白噪声作为待生成的空白图像输入到变分自编码器中，得到重建图像；用掩码矩阵对重建图像进行采样；根据采样的像素点值与残缺图像的种子点值计算重构损失；通过重构损失，更新网络参数，完成一轮训练；对训练好的变分自编码器输入随机白噪声；得到由变分自编码器生成的重建图像。
4.根据权利要求3所述的隧道岩溶超前地质预报自动解译方法，其特征在于，所述重构损失的计算，具体包括：在变分自编码器中构建损失函数，基于损失函数得到重构损失；所述损失函数包括重构误差和KL散度；所述重构误差用于衡量重构数据与相应输入数据之间差异的度量，根据计算原始数据中的已知种子点和重构图像相同位置的像素的均方根误差得到；所述KL散度用于衡量编码器输出的潜在分布与先验分布之间的差异，根据变分自编码器输出的均值和方差得到。
5.根据权利要求1所述的隧道岩溶超前地质预报自动解译方法，其特征在于，所述提取三维重建模型的二维分布特征图，具体包括：构建神经网络模型，将三维重建模型输入到神经网络模型中：通过全连接层将输入数据映射到一个低维的隐空间，进行数据的降维和初步融合；采用二维编码器对融合后的隐空间数据进行编码，提取输入数据的空间特征；其中，二维编码器包括多个卷积层和池化层，卷积层用于提取局部特征，池化层用于降低特征维度，增强特征的不变性；根据输入数据的空间特征，构建一个反映隧道岩溶超前地质预报数据在二维空间上的二维分布特征图。
6.根据权利要求5所述的隧道岩溶超前地质预报自动解译方法，其特征在于，在通过全连接层将输入数据映射到一个低维的隐空间后，还包括添加注意力机制，利用注意力机制的权重分配能力，对不同来源的数据进行动态选择和加权，进行多源多场地质隧道岩溶超前地质预报数据的高维度融合，包括：通过注意力模块计算各数据模态之间的注意力权重；根据注意力权重计算数据之间的相似性度量；基于相似性度量，对各数据模态进行加权求和，得到融合后的隐空间数据。
7.根据权利要求1所述的隧道岩溶超前地质预报自动解译方法，其特征在于，三维模型的训练过程，具体包括：采用卷积神经网络构建鉴别器，初始化生成器和鉴别器的模型参数；将生成器生成的三维模型和真实三维模型输入到鉴别器中；鉴别器通过多个卷积层和池化层对输入数据进行空间特征和语义信息的特征提取；根据特征判断输入数据是模拟样本还是真实样本；构建损失函数鉴别器基于损失函数对模拟样本或真实样本进行打分，通过反向传播算法，构建损失函数更新鉴别器的参数，对鉴别器的样本打分进行优化；当真实样本和生成样本的输出概率在设定阈值时，真实样本和生成样本的输出概率应达到平衡，结束训练。
8.一种电子设备，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至7任一项所述的隧道岩溶超前地质预报自动解译方法。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1至7任一项所述的隧道岩溶超前地质预报自动解译方法。
