1.一种光纤感知事件的垂直偏移距离及威胁级别判断方法，其特征在于：方法包括：

采集沿埋地光纤分布各个空间点的纵向时间信号，得到沿光纤分布的全线时空信号；

确定振动事件沿埋地光纤分布的中心位置，根据振动事件影响范围在中心位置左右各选取沿光纤空间分布的若干个纵向时间信号组成信号阵列，对该信号阵列内的每一个空间点时间信号进行频域信号处理后得到其能量特征，并将不同空间点的能量特征值按空间顺序拼接构建该事件信号沿光纤分布的能量衰减特征序列；

离线训练时，采集某一振动事件发生时不同垂直偏移距离下的事件信号，构建事件样本数据集，并计算得到每一个事件信号样本沿光纤分布的能量衰减特征序列作为训练集，输入一个多个分类器融合的机器学习模型中进行训练，得到振动源与光纤的垂直偏移距离的分类模型；

在线测试时，将某一振动事件信号影响范围内的沿光纤分布的能量衰减特征序列输入构建并训练好的分类模型中，识别得到该振动源与光纤的垂直偏移距离，进而得到该垂直偏移距离对应的威胁级别。

2.根据权利要求1所述的一种光纤感知事件的垂直偏移距离及威胁级别判断方法，其特征在于：所述构建事件信号沿光纤分布的能量衰减特征序列的具体方法为：S2.1时域到频域的转换：对各个空间点的时间信号分别进行傅里叶变换，获取频率域上的功率谱；

S2.2频率域滤波：在频率域通过滤波滤掉有用频率范围以外的噪声分量；

S2.3选取主要频率分量区间并计算其能量特征值：滤波后，在频率域寻找峰值区域，由若干个峰值附近区域的频段功率谱计算其信号能量特征值；

S2.4将每一个空间点信号进行S2.1‑S2.3的处理后得到的信号能量特征值按空间分布顺序拼接，构建一个能量分布特征矢量作为该事件信号沿光纤分布的能量衰减特征序列。

3.根据权利要求2所述的一种光纤感知事件的垂直偏移距离及威胁级别判断方法，其特征在于：所述由若干个峰值附近区域的频段功率谱计算其信号能量特征值的具体方法为：计算每个峰值附近一个频率区间范围内的平均功率值，对求得的所有峰值附近的平均功率值计算平均值作为其信号能量特征值。

4.根据权利要求1所述的一种光纤感知事件的垂直偏移距离及威胁级别判断方法，其特征在于：所述机器学习模型为随机森林和支持向量机两种模型基于二级Stacking融合得到的分类模型，先用4个支持向量机分类器进行4折交叉验证输出预测结果，将其结果合并为新的特征用随机森林分类器加以训练。

5.根据权利要求4所述的一种光纤感知事件的垂直偏移距离及威胁级别判断方法，其特征在于：所述分类模型中，支持向量机分类算法通过使用核函数将低维数据映射到高维空间上，通过超平面分割进行区分，随机森林分类算法通过构建出多个并行决策树分别进行分类，之后多数表决得出最终分类结果。

6.根据权利要求4所述的一种光纤感知事件的垂直偏移距离及威胁级别判断方法，其特征在于：所述随机森林和支持向量机两种模型基于二级Stacking融合的离线构建及训练过程具体为：S6.1、训练得到每一个支持向量机模型：将训练集D分为k份，对每一份都先作为测试集，用剩余数据集来训练模型，预测这一份的结果；

S6.2、重复S6.1直到每一个模型都得到预测结果，得到次级模型训练集；

S6.3、由k份测试集平均后得到次级模型的测试集；

S6.4、将随机森林分类器作为次级模型，分别利用S6.2、S6.3得到的训练集和测试集对其进行训练和测试；

S6.5、待S6.4中次级模型训练完成后，保存两级模型，作为垂直偏移距离分类器。

7.根据权利要求1所述的一种光纤感知事件的垂直偏移距离及威胁级别判断方法，其特征在于：所述方法中采用分布式光纤振动传感系统采集振动事件影响范围内沿埋地光纤分布各个空间点的纵向时间信号。