1.一种基于多特征融合的岩体失稳阶段预测方法，其特征在于，包括：获取岩体的声发射信号；

对获取到的所述声发射信号进行混合域特征提取，分别提取参数特征、时域特征或/和频域特征中具有显著类别差异信息的多个特征参数；

依据每个所述特征参数和预设的BP神经网络模型，得到表示岩体失稳阶段的预测值，并依据该预测值及期望输出值得到预测误差；

建立D-S证据理论识别框架，所述识别框架包括与岩体失稳各阶段一一对应的多个识别子框架；

依据所述预测误差构建所述特征参数的基本概率分配函数，通过所述特征参数的基本概率分配函数计算所述特征参数与岩体失稳各阶段的信任度值；

依据所述特征参数与岩体失稳各阶段的信任度值，通过D-S证据理论对同一个所述识别子框架下的所有所述特征参数进行融合，得到融合后的特征参数；

分别计算所述融合后的特征参数对应于岩体失稳各阶段的信任度值，并以信任度值的最大值对应的岩体失稳阶段作为预测结果。

2.根据权利要求1所述的基于多特征融合的岩体失稳阶段预测方法，其特征在于，所述参数特征包括所述声发射信号的振铃计数、声发射事件数、能量计数、持续时间、上升时间、有效电压值及有效幅度值中的一种或几种；

所述时域特征包括所述声发射信号的峰值、均值、峭度值、标准差、脉冲因子、裕度因子及波形因子中的一种或几种；

所述频域特征包括所述声发射信号的主频带位置、信号能量及频谱分散聚集程度中的一种或几种。

3.根据权利要求1所述的基于多特征融合的岩体失稳阶段预测方法，其特征在于，所述预设的BP神经网络模型通过岩体失稳不同阶段的所述特征参数对BP神经网络和遗传算法进行训练后得到。

4.根据权利要求1所述的基于多特征融合的岩体失稳阶段预测方法，其特征在于，所述识别子框架为所有所述特征参数对应于所述识别子框架表示的岩体失稳阶段的信任度值的集合。

5.根据权利要求1所述的基于多特征融合的岩体失稳阶段预测方法，其特征在于，所述构建所述特征参数的基本概率分配函数包括：构建以所述预测误差的绝对值作为所述特征参数与实际值之间的第一距离的第一距离函数；

依据所述第一距离函数构建表示所述特征参数与所述识别子框架相关度的相关系数函数；

依据所述相关系数函数及所述预设的BP神经网络模型的预测值与期望输出值的均方误差构建所述特征参数的基本概率分配函数，以使得所述相关度越大，所述特征参数的基本概率分配函数得到的信任度值越大。

6.根据权利要求1所述的基于多特征融合的岩体失稳阶段预测方法，其特征在于，所述通过D-S证据理论对同一个所述识别子框架下的所有所述特征参数进行融合包括：依据同一所述识别子框架下所有所述特征参数的信任度值计算所述识别子框架下的所有所述特征参数两两之间的数学距离；

构建支持度函数，使得任意两个所述特征参数之间的数学距离越小，其相互之间的支持度值越大；

将所述支持度函数进行归一化处理，并将归一化处理后的支持度函数作为所述特征参数的权值，对同一所述识别子框架下的每个所述特征参数进行加权平均形成新的特征参数；

依据D-S证据理论对同一所述识别子框架下的所有所述新的特征参数进行融合，得到融合后的特征参数。

7.一种基于多特征融合的岩体失稳阶段预测装置，其特征在于，包括：数据采集模块，用于获取岩体的声发射信号；

特征提取模块，用于对获取到的所述声发射信号进行混合域特征提取，分别提取参数特征、时域特征或/和频域特征中具有显著类别差异信息的多个特征参数；

第一预测模块，用于依据每个所述特征参数和预设的BP神经网络模型，得到表示岩体失稳阶段的预测值，并依据该预测值及期望输出值得到预测误差；

识别框架建立模块，用于建立D-S证据理论识别框架，所述识别框架包括与岩体失稳各阶段一一对应的多个识别子框架；

信任度计算模块，用于依据所述预测误差构建所述特征参数的基本概率分配函数，通过所述特征参数的基本概率分配函数计算所述特征参数与岩体失稳各阶段的信任度值；

特征融合模块，用于依据所述特征参数与岩体失稳各阶段的信任度值，通过D-S证据理论对同一个所述识别子框架下的所有所述特征参数进行融合，得到融合后的特征参数；

第二预测模块，用于分别计算所述融合后的特征参数对应于岩体失稳各阶段的信任度值，并以信任度值的最大值对应的岩体失稳阶段作为预测结果。

8.根据权利要求7所述的基于多特征融合的岩体失稳阶段预测装置，其特征在于，所述参数特征包括所述声发射信号的振铃计数、声发射事件数、能量计数、持续时间、上升时间、有效电压值及有效幅度值中的一种或几种；

所述时域特征包括所述声发射信号的峰值、均值、峭度值、标准差、脉冲因子、裕度因子及波形因子中的一种或几种；

所述频域特征包括所述声发射信号的主频带位置、信号能量及频谱分散聚集程度中的一种或几种。

9.根据权利要求7所述的基于多特征融合的岩体失稳阶段预测装置，其特征在于，所述预设的BP神经网络模型通过岩体失稳不同阶段的所述特征参数对BP神经网络和遗传算法进行训练后得到。

10.根据权利要求7所述的基于多特征融合的岩体失稳阶段预测装置，其特征在于，所述识别子框架为所有所述特征参数对应于所述识别子框架表示的岩体失稳阶段的信任度值的集合。

11.根据权利要求7所述的基于多特征融合的岩体失稳阶段预测装置，其特征在于，所述信任度计算模块还包括：第一距离计算子模块，用于构建以所述预测误差的绝对值作为所述特征参数与实际值之间的第一距离的第一距离函数；

相关系数函数构建子模块，用于依据所述第一距离函数构建表示所述特征参数与所述识别子框架相关度的相关系数函数；

基本概率分配函数构建子模块，用于依据所述相关系数函数及所述预设的BP神经网络模型的预测值与期望输出值的均方误差构建所述特征参数的基本概率分配函数，以使得所述相关度越大，所述特征参数的基本概率分配函数得到的信任度值越大。

12.根据权利要求7所述的基于多特征融合的岩体失稳阶段预测装置，其特征在于，所述特征融合模块包括：第二距离计算子模块，用于依据同一所述识别子框架下所有所述特征参数的信任度值计算所述识别子框架下的所有所述特征参数两两之间的数学距离；

支持度函数构建子模块，用于构建支持度函数，使得任意两个所述特征参数之间的数学距离越小，其相互之间的支持度值越大；

特征参数更新子模块，用于将所述支持度函数进行归一化处理，并将归一化处理后的支持度函数作为所述特征参数的权值，对同一所述识别子框架下的每个所述特征参数进行加权平均形成新的特征参数；

特征融合子模块，用于依据D-S证据理论对同一所述识别子框架下的所有所述新的特征参数进行融合，得到融合后的特征参数。

13.一种计算机可读存储介质，其特征在于，所述可读存储介质上存储有指令，当其在计算机上运行时，使得计算机执行如权利要求1～6中任意一项所述的基于多特征融合的岩体失稳阶段预测方法。