1.一种基于回归概率分布的分布式光纤扰动定位方法，其特征在于，所述方法包括以下步骤：(1)、构建一个深度学习网络，深度学习网络由一个输入层、一个输出层和多个隐藏层组成，隐藏层是若干具有较多神经元的全连接层，隐藏层使用ReLU函数作激活函数；

(2)、将传感光纤均分为K个区间；

(3)、随机生成扰动位置矢量；

(4)、根据相位差，生成与扰动位置矢量相对应的陷波频率矢量；当陷波频率的序列长度大于M时，取前M个元素作为输入层的输入向量，当陷波频率的序列长度小于M时，在序列末尾补零到M个元素作为输入层的输入向量；

(5)、输出层的输出向量yconf的长度等于K；输出向量yconf是一个沿传感光纤的概率分布，元素表示对应区间是否存在扰动的置信度大小；

(6)、采用实际的扰动位置向量 作为训练深度学习网络时的标签；

(7)、定义损失函数为：

其中，和是调节参数，用于调整正例和负例判断出错时的相对惩罚大小，(8)、将位置向量与网络的输出向量yconf一同送入公式(1)中计算损失函数的值，从而对模型进行训练；当损失函数的值趋于平缓时，深度学习网络训练完成。