1.一种光纤振动源垂直距离智能估算方法，其特征在于：包括以下步骤：S1:数据准备；

S2:二维空间频谱图特征提取；

S3：构建光纤振动源垂直距离估算神经网络并优化，通过二维卷积神经网络实现不同垂直距离条件下二维空间频谱图的可分辨深度特征提取和分类，进行垂直距离估算和威胁界别判定；

所述S1具体包含以下步骤：

S11:利用基于相敏光时域反射原理的分布式光纤声传感系统硬件，采集现场环境下不同垂直距离的机械及人为振动信号，以时空信号矩阵的形式存储；

S12:将时空信号矩阵中检测到振动源的信号空间位置作为中心点，以固定空间尺度大小划分成事件时空帧，将每一个事件时空帧作为一个样本信号；

所述S2具体包括以下步骤：

S21:读取数据集中的每一个事件时空帧，对其每一个空间点的时间信号依次进行快速傅里叶变换，计算并获得事件时空帧即数据集中每一个样本信号的二维空间频谱图，作为垂距判断的二维空间频谱图特征；

S22:取有用信号频带0-25Hz的频谱信号，将得到的结果作为该样本最终的二维空间频谱图；

所述S3具体包括以下步骤：

S31:根据二维空间频谱图数据结构构建二维卷积神经网络，将二维空间频谱图作为输入对构建的二维卷积神经网络进行训练。

2.根据权利要求1所述的一种光纤振动源垂直距离智能估算方法，其特征在于：所述步骤S11的时空信号矩阵为：M＝Xab(a＝1,2,...,A；b＝1,2,...,B)其中A表示时空信号矩阵所包含的时间采样点个数，B表示矩阵空间采样点数,横坐标表示探测光纤沿线的数据采集空间点，两空间点的距离为ΔS，即空间分辨率；纵坐标表示时间轴，两采样点采样间隔为ΔT＝1/fs，fs为时间轴上脉冲触发频率，即时间采样频率。

3.根据权利要求1所述的一种光纤振动源垂直距离智能估算方法，其特征在于：所述S3具体还包括以下步骤：S32:通过迭代调整使卷积神经网络达到最优，保存最优模型，实现不同垂直距离条件下的二维空间频谱图进一步特征提取及分类；

S33:根据分类结果，对振动源与光纤的垂直偏移距离进行估算，并对其产生的威胁级别进行判定。

4.根据权利要求1所述的一种光纤振动源垂直距离智能估算方法，其特征在于：所述光纤振动源垂直距离估算神经网络的构建并优化包括以下步骤：A.设计CNN结构并设置网络结构参数,包含输入层-卷积层C1-池化层P1-卷积层C2-池化层P2-全连接层FC1-全连接层FC2共7层的网络结构；

B.将二维空间频谱图输入到设置参数后的卷积神经网络得到预测类别标签，与样本真实类别标签比较得到损失值，以此计算梯度来更新网络参数；

C.根据步骤B得到的垂直距离输出计算损失函数，以此对构建的CNN网络继续更新和调优。