1.一种隧道围岩损伤监测方法，其特征在于，包括以下步骤：

S1：在隧道(1)两侧壁面和拱顶沿着隧道(1)走向方向布置若干条测线，每条测线上均布若干测点，同一测线的测点上交替设置电极片(2)、接收超声换能器(4)，隧道上方的地表(18)上设置公共电极(3)、超声发射换能器(17)，公共电极(3)与电极片(2)通过导线连接，超声发射换能器(17)与接收超声换能器(4)通过导线连接；

S2：实时监测每个测点处的自然电位或超声信号：预先采集某一正常状态时刻的初始信号作为隧道(1)处于正常稳定状态下自然电位和超声的背景信号，而后开始正常监测，采集每个测点处的自然电位或超声信号传输至采集站(5)进行记录和储存，再由采集站(5)传输至工作站中的分析微机(6)中；

S3：分析微机(6)将自然电位和超声信号数据进行小波滤波处理，去除信号中夹带的干扰噪声信号；将隧道(1)两侧壁面和拱顶延展成一个平面，即监测面(19)，设置二维坐标系，坐标原点为隧道(1)前端截面、左侧侧壁、底面的交点，x轴垂直于测线方向且指向右侧，y轴平行于测线方向且指向隧道(1)延伸方向；小波滤波处理后的自然电位和超声信号通过克里金插值法对隧道(1)两侧壁面和拱顶整个监测面中所有位置处进行声电信号的预测；提取整个监测面中的所有位置自然电位信号的波动幅值以及超声信号的波速、频率和功率密度这4个特征参数，并进行归一化处理；将它们的时间演化序列和所在二维坐标系的位置坐标进行结合，获得时空子序列，则坐标为(xi,yi)的第gi个位置在第k时刻的时空向量表示为：其中， 表示第k时刻第gi个位置的第n个特征参数值，n＝4；

S4：对第k时刻监测面中所有位置处的时空向量进行K‑means均值聚类分析，将最小聚类中心值对应类簇中的所有隶属度值置为0，据此对其他所有的聚类中的隶属度值进行归一化，获得整个监测面内异常状态密集区域位置以及隶属度值，绘制这一时刻的隶属度概率图，得到隧道危险变形区域的位置和范围；

S5：连续处理监测面在一段时间内的多张隶属度概率图，提取这些隶属度概率图中的隶属度极大值，并组成隶属度极大值时间序列，采用差分自回归移动平均算法ARIMA预测未来S天时间内隧道危险变形状况的发展，若预测的隶属度极大值出现连续超过警报阈值的情况，则表明隧道围岩有很大可能会出现损伤变形状况，此时立即提取隶属度概率图中的每个位置处隶属度并获得它们的隶属度时间序列，通过预测以及设置边界条件对可能发生围岩损伤变形区域进行准确定位。

2.根据权利要求1所述的隧道围岩损伤监测方法，其特征在于，步骤S1中电极片(2)通过导电胶粘贴，接收超声换能器(4)通过超声耦合剂粘贴，采用固定夹具板将它们固定在测点位置，并用热熔胶将电极片(2)表面覆盖以隔绝外界环境。

3.根据权利要求2所述的隧道围岩损伤监测方法，其特征在于，固定夹具板包括连线板(8)，连线板(8)通过膨胀螺丝(9)固定在岩壁上，连线板(8)位于膨胀螺丝(9)的一侧设有两个带有滑槽(11)的支撑架(10)，两个支撑架(10)之间设有移动梁(14)，移动梁(14)左右两侧分别设有自锁螺栓(7)，移动梁(14)通过自锁螺栓(7)、自锁螺母(12)固定在两个支撑架(10)之间，移动梁(14)与连线板(8)之间设有处于压缩状态的弹簧(13)，移动梁(14)远离连线板(8)的一端设有探杆(15)。

4.根据权利要求1所述的隧道围岩损伤监测方法，其特征在于，步骤S4中，K‑means均值聚类分析的过程具体为：将gi个位置在第k时刻的时空向量作为模式识别的输入向量，选择闵可夫斯基距离作为特征参数之间的相似性度量，则第a个聚类的簇内直径d(a)用下式计算：其中，xi为第a个聚类中的一个样本点，Ci为第a个聚类的中心，ni为第a个聚类中的样本点个数，g为距离参数；

第a个类与第b个类之间的类间距离dab计算公式如下：

其中，m为待求的聚类数目，Cma和Cmb分别为第a个类和第b个类的聚类中心；

依据两类之间的相似度Rij计算DB指数E(m)，而后通过迭代运算使得E(m)取得最小值，从而获得最佳的聚类数m，如下式：依据确定的聚类数m，进行均值聚类运算得到聚类分析后的聚类中心和每个聚类范围。

5.根据权利要求1所述的隧道围岩损伤监测方法，其特征在于，步骤S5中，差分自回归移动平均算法ARIMA(p,d,q)预测模型的表达式为：其中，jt表示gi个位置在t时刻隶属度极大值的预测值，jt‑s表示第gi个位置在t‑s时刻隶属度极大值的实际值， 是自相关系数，θs为模型系数，μt表示t时刻隶属度极大值的预测值和观测值的干扰项，p表示自回归模型函数 的阶数，q表示移动平均模型函数的阶数，d为隶属度极大值的时间序列成为平稳时所做的差分次数；

对时间序列进行平稳处理后，采用赤池信息准则AIC或贝叶斯信息量准则BIC确实阶数p和q的取值，表达式分别为：AIC＝2k‑2ln(L)

BIC＝‑2ln(L)+kln(n)

其中，k为要估计的阶数，n为隶属度极大值的时间序列的样本点数，L为估计模型的极大似然函数，由下式进行迭代计算直至L取得最大值时停止：其中，hi为隶属度极大值时间序列中的第i个样本点，μ为隶属度极大值时间序列的平均值，σ为隶属度极大值时间序列的方差。

6.根据权利要求1所述的隧道围岩损伤监测方法，其特征在于，步骤S5中，设置边界条件对可能发生围岩损伤变形区域进行准确定位具体为：依据某一时刻整个监测面所有位置获得的隶属度预测云图，提取其中的关键特征点包括极大值点以及每个位置处的梯度向量，则未来可能发生围岩损伤变形区域的边界点(xbp,ybp)的隶属度预测值Ubp和梯度向量需满足以下关系：其中，ξ为常数，且0.5＜ξ＜1， 为边界点(xbp,ybp)对应的隶属度预测云图的极大值点，Umin为隶属度预测云图中隶属度的最小值点， 为监测面内任一位置(xpre,ypre)处的梯度向量，将极大值点作为未来可能发生围岩损伤变形区域的中心，且梯度值由边界轮廓向中心移动时需满足增大的趋势，从而确定未来可能发生围岩损伤变形区域的边界范围。