1.一种多参量信息融合的顶板含水层富水性判别方法，其特征在于，包括：将含水层介质指标、覆岩结构指标、水文地质指标、测井自然属性指标和地球物理勘探指标作为含水层富水性评价指标；

将含水层介质指标、覆岩结构指标、水文地质指标、测井自然属性指标和地球物理勘探指标输入判别评价模型，得到目标区域的富水性等级判别分类结果。

2.根据权利要求1所述的多参量信息融合的顶板含水层富水性判别方法，其特征在于，所述判别评价模型为模糊判别评价模型。

3.根据权利要求2所述的多参量信息融合的顶板含水层富水性判别方法，其特征在于，构建模糊判别评价模型，得到目标区域的富水性等级判别分类结果，包括：采用模糊层次分析法构建模糊判别矩阵，计算得到各因素权重wi；

将含水层富水性评价各指标进行标准化处理，按照下式得到含水层富水指数：其中：y为含水层富水指数； 为本发明中富水性5个评价指标的标准化值；wi为各指标模糊权重系数；

基于所述含水层富水指数y的大小确定含水层的富水性等级；

若y≥0.6，则含水层为极强富水性；若0.45≤y＜0.6，则含水层为强富水性；若0.25≤y＜0.45，含水层为中等富水性；若y＜0.25，含水层为弱富水性。

4.根据权利要求1所述的多参量信息融合的顶板含水层富水性判别方法，其特征在于，所述判别评价模型为对非线性机器学习分类判别评价模型训练后的评价模型，将目标区域的含水层介质指标、覆岩结构指标、水文地质指标、测井自然属性指标和地球物理勘探指标输入所述训练后的评价模型，得到目标区域的富水性等级判别分类结果。

5.根据权利要求4所述的多参量信息融合的顶板含水层富水性判别方法，其特征在于，对非线性机器学习分类判别评价模型训练，得到训练后的评价模型，包括如下步骤：基于目标相关已采区的生产阶段水文地质数据，得到目标相关已采区的实际富水性等级判别分类结果；

将目标相关已采区的五个指标值作为训练数据集，通过非线性机器学习分类判别评价模型进行训练，得到训练后的评价模型。

6.根据权利要求1至5任一项所述的多参量信息融合的顶板含水层富水性判别方法，其特征在于，所述含水层介质指标f1的计算公式为：式中： 为含水层厚度的标准化值； 为含水层渗透系数的标准化值。

7.根据权利要求6所述的多参量信息融合的顶板含水层富水性判别方法，其特征在于，所述覆岩结构指标f2的计算公式为：式中：Ms为覆岩中砂质岩类的总厚度，单位为m；Mm为覆岩中泥质岩类的总厚度，单位为m；Mz为覆岩总厚度，单位为m。

8.根据权利要求7所述的多参量信息融合的顶板含水层富水性判别方法，其特征在于，所述水文地质指标f3的计算公式为：式中：χ为区域含水层的平均水压，单位为Mpa；q为含水层钻孔单位涌水量，单位为L/(s·m)；P为含水层的水压，单位为MPa。

9.根据权利要求8所述的多参量信息融合的顶板含水层富水性判别方法，其特征在于，所述测井自然属性指标f4的计算公式为：式中：ψz为通过视电阻率测井计算的含水层真电阻率，单位为Ω·m；κ为含水层泥质含量占比。

10.根据权利要求9所述的多参量信息融合的顶板含水层富水性判别方法，其特征在于，所述地球物理勘探指标f5的计算公式为：其中，ζ为断层构造容量维；为含水层孔隙度。