1.一种基于信息向量机的岩爆等级预测方法，其特征在于，包括以下步骤：

步骤1选定岩爆评价指标及等级划分标准；

步骤2广泛收集国内外一些重大深部岩石工程岩爆实例，建立丰富的训练样本库，对样本输入数据进行标准化处理以便于IVM的训练及预测；

步骤3采用交叉验证策略训练IVM岩爆等级分类模型，并依据学习及预测结果调整IVM模型的初始参数设置及训练样本库，得到最终的IVM岩爆等级预测模型；

步骤4应用IVM岩爆等级预测模型，输入待预测岩爆样本的输入特征向量，获得岩爆等级的预测值。

2.根据权利要求1所述的基于信息向量机的岩爆等级预测方法，其特征在于，步骤1中，选定应力系数σθ/σc、脆性系数σc/σt、及弹性能量指数Wet作为判定岩爆发生与否及烈度等级的评价指标，其中σθ/σc反映强度条件，Wet反映能量条件，σc/σt反映岩性条件，将岩爆烈度等级从弱至强分为无岩爆I级、轻微岩爆II级、中等岩爆III级和强烈岩爆IV级；所述σθ为洞壁围岩的最大切应力，σc为洞壁围岩的单轴抗压强度，σt为洞壁围岩的单轴抗拉强度。

3.根据权利要求1所述的基于信息向量机的岩爆等级预测方法，其特征在于，步骤1中，分别以岩爆的评价指标及等级作为样本的输入特征向量和输出目标，收集重大深部岩石工程岩爆实例，并进行初步筛选剔除其中重复或明显冲突的岩爆样本，建立丰富的训练样本库。

4.根据权利要求1所述的基于信息向量机的岩爆等级预测方法，其特征在于，步骤2中，应用z-score标准化方法，对岩爆样本输入特征向量进行标准化处理，经过处理的样本的输入特征向量在各维度上符合标准正态分布。

5.根据权利要求1所述的基于信息向量机的岩爆等级预测方法，其特征在于，步骤3中，采用把多类分类问题分解为多个二分类问题的基本思路，建立并组合多个IVM二分类模型实现岩爆等级多类分类。

6.根据权利要求1所述的基于信息向量机的岩爆等级预测方法，其特征在于，步骤3中，采用典型的k倍交叉验证法；将训练样本库随机均分为k份，依次选定其中k−1份作为训练样本，另外1份作为测试样本，设置IVM岩爆等级分类模型的初始参数，应用该IVM模型进行学习及预测，并利用k次计算平均的学习准确率及预测准确率评定模型的学习及泛化性能。

7.根据权利要求1所述的基于信息向量机的岩爆等级预测方法，其特征在于，步骤3中，若经交叉验证的IVM岩爆等级分类模型的性能不满足要求，根据学习及预测结果调整模型的初始参数设置或对训练样本库进行必要筛选，并重新进行交叉验证训练，重复执行最终得到具有较强学习及泛化性能的IVM岩爆等级预测模型。