1.一种盾构隧道衬砌背后空洞的演化预测方法，其特征在于，包括如下步骤：

S1、基于探地雷达GPR获取盾构隧道衬砌空洞波形图像，并对所获取的空洞波形图像进行预处理，基于预处理后的波形图像构建样本集；

S2、融合全卷积网络FCN和条件随机场CRF进行空洞识别模型的构建，并通过所述样本集对所述空洞识别模型进行训练，通过训练好的空洞识别模型对待测波形图像进行空洞识别；

S3、基于空洞识别结果，通过待测波形图像获取定量化空洞缺陷信息；

S4、基于空洞演化特征，采用扩展有限元XFEM建立空洞演化预测模型，并将所获取的定量化空洞缺陷信息输入空洞演化预测模型，完成空洞演化预测；

所述空洞演化特征包括：盾构隧道位置、走向、埋深、通错缝拼装形式、结构纵向位置、水文地质条件、介质因素、空洞尺寸、空洞形态、空洞位置；

结合ABAQUS扩展有限元模块，以空洞演化特征参数为指标建立盾构隧道结构整环精细化三维数值模型,基于空洞的空间分布规律及几何特征，构建带空洞的隧道空间多尺度三维模型，即空洞演化预测模型，通过所述空洞演化预测模型，能够从时间尺度和空间尺度方面自动获取隧道衬砌结构在不同复杂环境下空洞的发展规律。

2.根据权利要求1所述的盾构隧道衬砌背后空洞的演化预测方法，其特征在于，所述步骤S1中，所述样本集包括特征图像分类样本库、空洞探测样本库、空洞分割样本库。

3.根据权利要求2所述的盾构隧道衬砌背后空洞的演化预测方法，其特征在于，所述特征图像分类样本库、空洞探测样本库、空洞分割样本库的构建方法分别为：

1)特征图像分类样本库：基于所获取的空洞波形图像，以不同尺度标准进行特征信息裁剪，并变形重构为统一大小的图像后进行空洞类别标注，构建特征图像分类样本库；

2)空洞探测样本库：以完整空洞波形图像为蓝本，进行尺度归一化处理后，对空洞特征进行空洞类别标注，建立空洞探测样本库，其中，完整空洞图像中包含多种分类特征；

3)空洞分割样本库：采用不规则多边形对空洞波形图像中的空洞进行人工分割，并进行尺度归一化处理后进行空洞类别标注，建立空洞分割样本库。

4.根据权利要求1所述的盾构隧道衬砌背后空洞的演化预测方法，其特征在于，所述步骤S2中，所述空洞识别模型的结构包括：依次连接的FCN、CRF、Softmax层；其中，所述FCN包括依次连接的输入层、若干个卷积层、若干个反卷积层、输出层，所述输出层与所述CRF连接；每个所述卷积层均连接有归一化层。

5.根据权利要求4所述的盾构隧道衬砌背后空洞的演化预测方法，其特征在于，每个所述卷积层、反卷积层均采用LeakyReLU激活函数。

6.根据权利要求1所述的盾构隧道衬砌背后空洞的演化预测方法，其特征在于，所述步骤S2中，所述空洞识别模型的训练过程中，将所述FCN和所述CRF进行分割，并对所述FCN和所述CRF同时进行训练。

7.根据权利要求1所述的盾构隧道衬砌背后空洞的演化预测方法，其特征在于，所述步骤S3中，所述空洞缺陷信息包括空洞尺寸、空洞形态。