1.一种基于动态深度学习的隧道灾后损伤预警方法，其特征在于，包括以下步骤：

步骤1：收集既有隧道样本灾后信息，信息包括隧道结构设计参数和灾后影响隧道风险的关键指标，隧道结构设计参数和灾后影响隧道风险的关键指标如下：隧道结构设计参数包括隧道断面几何尺寸、衬砌厚度和衬砌材料参数；

灾后影响隧道风险的关键指标包括隧道沉降、隧道断面变形、温度、二氧化碳浓度、甲烷浓度、硫化氢浓度和氮气浓度；

步骤2：对关键指标设定多级阈值，对灾后隧道系统损伤程度设定多损伤级别，选择步骤1中隧道样本灾后信息，通过专家评估将灾后各隧道系统归类于对应的损伤级别；

步骤3：将隧道样本灾后信息及对应损伤级别作为数据集，训练能够基于隧道灾后信息确定损伤级别的softmax分类器，softmax分类器包含一个输入层、一个隐藏层和一个输出层，输入层输入参数为灾前隧道结构参数和灾后影响隧道风险的关键指标，隐藏层单元个数由grid search法确定，输出层单元个数为四个，分别代表四个损伤级别；

步骤4：在隧道特定断面位置安装采集关键指标的传感器，当隧道受灾后，进行数据采集，并将采集得到的数据作为数据集，训练用于预测灾后各关键指标未来发展趋势的动态LSTM深度学习模型，其过程如下：当隧道受灾后，对关键指标i等时间间距高频采集数据作为数据集，以n个连续时刻的数据作为输入参数，n<数据集中数据个数，以下一时刻数据作为输出参数训练关键指标i的LSTM深度学习模型，随时间不断增加，采集得到的新数据集不断扩大，从而不断以新数据集实时更新LSTM深度学习模型，得到动态LSTM深度学习模型；

步骤5：采用步骤4获得的各关键指标的动态LSTM深度学习模型预测未来时刻关键指标数值；

步骤6：将步骤5预测得到的未来时刻关键指标数值和隧道结构设计参数传递给softmax分类器，进行损伤级别评估；当任一关键指标超过某级阈值或隧道系统损伤达到某级别时，发出该级报警信息及达到该级别剩余救援时间，根据剩余救援时间，制定救援方案并采取对应抢险措施。

2.如权利要求1所述的一种基于动态深度学习的隧道灾后损伤预警方法，其特征在于，所述步骤2中多损伤级别包括四个等级：轻微级别、中等级别、严重级别、损毁级别。

3.采用权利要求1 2所述任一种基于动态深度学习的隧道灾后损伤预警方法的系统其~特征在于，包括信息采集模块、处理模块和预警模块；

信息采集模块用于采集既有隧道样本灾后信息以及被监测隧道灾后信息；

处理模块用于根据信息采集模块采集的信息对既有隧道样本进行损伤级别评估，训练softmax模型；根据被监测隧道灾后信息，训练动态LSTM深度学习模型；加载并实时更新LSTM模型，预测灾后未来时刻隧道关键指标数值；加载softmax模型，计算未来时刻隧道系统损伤级别；

预警模块用于判断关键指标是否超过设定阈值以及隧道系统损伤级别，当任一关键指标超过某级阈值或隧道系统损伤达到某级别时，发出该级报警信息及达到该级别剩余救援时间，根据剩余救援时间，制定救援方案并采取对应抢险措施。