1.一种天然气管道泄漏检测方法，其特征在于，所述方法包括：

利用声学传感器采集声波信号，利用海鸥算法优化变分模态分解算法，使变分模态分解算法根据声波信号的特点自适应的选择最佳的分解层数和罚参数；

利用基于变分模态分解的阈值去噪方法对所述的声波信号进行降噪预处理，获取去噪的声波信号；

提取声波信号的时频特征构建高维特征向量矩阵，利用局部线性嵌入算法对所述的高维特征向量矩阵进行降维，提取有利于分类的敏感特征向量，降低向量机的训练难度；

将所述降维后的敏感特征向量作为最小二乘支持向量机的训练样本，利用海鸥优化算法搜索最小二乘支持向量机的最优参数，使最小二乘向量机的性能最优，根据采集的声波信号作为测试样本，来检测天然气管道是否发生泄漏。

2.根据权利要求1所述的天然气管道泄漏检测方法，其特征在于，变分模态分解算法的参数的设置不准确会影响信号分解的结果，因此，利用海鸥算法优化变分模态分解算法，以排列熵的均值与方差的比值作为粒子群算法的适应度函数，搜索最优的信号分解层数和惩罚参数；海鸥算法优化变分模态分解算法的步骤如下：步骤1：输入声波信号，设置变分模态分解算法需要优化的参数范围，初始化海鸥算法各项参数，包括种群规模N、最大迭代次数L以及位置X；

步骤2：计算适应度值，每个海鸥的位置作为运行一次变分模态分解算法的参数，并求得该位置所有本征模态函数的适应度值；

步骤3：更新海鸥最佳位置和适应度，如果当前海鸥的适应度值小于上次迭代的最佳适应度值，则用当前海鸥的适应度值代替上次迭代的最佳适应度值，用当前海鸥的位置代替上次迭代的最佳位置，否则最佳适应度值和最佳位置不变；

步骤4：重复步骤2～3，进行循环迭代，直到达到最大迭代次数后输出最优的分解层数和罚参数。

3.根据权利要求2所述的天然气管道泄漏检测方法，其特征在于，适应度函数的计算公式如下：其中，HP(IMFk)为本征模态函数(IMF)的排列熵；mean(HP(IMFk))为所有排列熵的均值；

var(HP(IMFk))为排列熵的方差；对IMFk进行相空间重构排序，再映射为符号序列，每种符号序列出现的概率即为P(.),N为P(.)的个数。

4.根据权利要求1所述的天然气管道泄漏检测方法，其特征在于，基于变分模态分解的阈值去噪方法，其步骤如下：步骤1：首先利用优化后的变分模态分解算法对所述的声波信号进行分解，得到若干本征模态函数(IMF)；

步骤2：计算每个本征模态函数的方差密度和平均周期之积；

其中，E(.)为数学期望，M为IMFn长度， 为IMFn的平均周期，K为IMFs的个数。

步骤3：将满足以下条件的第一个IMF视为跳变点：

步骤4：计算所有IMF在跳变点之前的平均值：

步骤5：当满足以下条件时，视为非有效IMF：

对非有效IMF进行软阈值处理：

其中，j表示非有效IMF的个数，M为信号的长度。

步骤6：对非有效IMF进行阈值处理后，对所有IMF求和，得到去噪的声波信号。

5.根据权利要求1所述的天然气管道泄漏检测方法，其特征在于，利用海鸥优化算法搜索最小二乘支持向量机的最优参数，将所述的敏感特征向量作为最小二乘支持向量机的训练样本，所述需要优化的参数包含惩罚因子和核函数；优化步骤如下：步骤1：初始化海鸥种群，最小二乘支持向量机的惩罚因子和核函数参数作为海鸥的位置X，种群规模设置为N，最大迭代次数为L；

步骤2：计算适应度值，对训练集进行交叉验证意义下的准确率作为海鸥优化算法的适应度函数值；

步骤3：更新海鸥最佳位置和适应度，如果当前海鸥的适应度值大于上次迭代的最佳适应度值，则用当前海鸥的适应度值代替上次迭代的最佳适应度值，用当前海鸥的位置代替上次迭代的最佳位置，否则最佳适应度值和最佳位置不变；

步骤4：海鸥算法完成搜索的终止条件为循环达到最大迭代次数，设置的迭代次数为L。

步骤5：当所述的适应度函数完成收敛，即对训练集进行交叉验证意义下的准确率达到最大时，输出最优的惩罚因子和核函数。

6.根据权利要求1所述的天然气管道泄漏检测方法，其特征在于，所述的时频特征包含：均值、绝对均值、标准方差、均方根值、方根幅值、绝对最大值、最大值、最小值、峰峰值、偏度、峭度、峰值因子、裕度因子、波形因子、脉冲因子；由上述时频域特征值组成高维特征向量，通过局部线性嵌入算法对所述的高维特征向量进行降维。