1.一种煤层瓦斯涌出异常超前探测与预警方法，其特征在于，包括以下步骤：①确定预测区域煤层瓦斯涌出量的主要影响参数，包括：煤层残余瓦斯含量w、煤层残余瓦斯压力p、煤体坚固性系数f、钻屑瓦斯解吸指标K1、巷道断面面积S、巷道掘进速度V，然后构建瓦斯涌出量影响参数与瓦斯涌出量相关性模型；

②在巷道掘进的过程中，沿煤层倾向施工顺煤层超长定向钻孔，对同一钻孔随钻原位测定煤层残余瓦斯含量w、煤层残余瓦斯压力p、煤体坚固性系数f、钻屑瓦斯解吸指标K1，并且在同一区域布置多个钻孔进行测定，将测定结果实时上传至地面大数据中心；

③地面大数据中心收到井下测定的瓦斯参数数据后，大数据平台依据预先建立的瓦斯涌出量影响参数与瓦斯涌出量相关性模型，智能分析预测掘进面前方位置的瓦斯涌出异常情况；同时，在掘进过程中采集井下巷道中的风量监测传感器与瓦斯浓度监测传感器数据，利用机器学习算法深度挖掘其变化规律，以此对瓦斯涌出异常预测结果进行修正；

④若预测瓦斯涌出异常，则向井下发送报警信息，设置在井下的语音报警器和灯光报警器会立即进行报警，工人收到报警信息后依据相关预案进行处置，以此达到超前预警的目的。

2.根据权利要求1所述的一种煤层瓦斯涌出异常超前探测与预警方法，其特征在于，步骤①中构建的瓦斯涌出量影响参数与瓦斯涌出量相关性模型为：式中：Q为预测区域煤层瓦斯涌出量；

px为预测前读取的最近一次测定的煤层残余瓦斯压力数据；

Up为大数据库中预测区域煤层瓦斯压力的历史样本均值；

σp为大数据库中预测区域煤层瓦斯压力的历史样本标准差；

fx为预测前读取的最近一次测定的煤体坚固性系数原始数据；

Uf为大数据库中预测区域煤体坚固性系数的历史样本均值；

σf为大数据库中预测区域煤体坚固性系数的历史样本标准差；

K1x为预测前读取的最近一次测定的钻屑瓦斯解吸指标原始数据；

Uk1为大数据库中预测区域钻屑瓦斯解吸指标的历史样本均值；

σk1为大数据库中预测区域钻屑瓦斯解吸指标的历史样本标准差；

Uw为大数据库中预测区域煤层残余瓦斯含量的历史样本均值；

ρ为煤的密度。

3.根据权利要求2所述的一种煤层瓦斯涌出异常超前探测与预警方法，其特征在于，所述步骤③中的地面大数据中心包括大数据预测平台及其数据库，数据库中存储矿井瓦斯涌出量影响参数的历史数据、巷道风量数据以及瓦斯浓度数据；同时，巷道掘进过程中每次上传至大数据中心的数据同步存储进入数据库；在每一次预测前，对历史数据进行实时更新和读取分析，使预测结果更加准确。

4.根据权利要求3所述的一种煤层瓦斯涌出异常超前探测与预警方法，其特征在于，所述步骤②中的顺煤层超长定向钻孔长度不低于工作面倾向长度二分之一，每个钻孔测量煤层残余瓦斯含量w、煤层残余瓦斯压力p、煤体坚固性系数f、钻屑瓦斯解吸指标K1的次数为3次，且将3次测定数据的平均值作为该钻孔上述参数的测定值储存到地面大数据中心数据库。

5.根据权利要求3所述的一种煤层瓦斯涌出异常超前探测与预警方法，其特征在于，步骤②中的同一区域布置多个钻孔进行测定，测点数量至少设置5个。

6.根据权利要求3所述的一种煤层瓦斯涌出异常超前探测与预警方法，其特征在于，步骤③中的机器学习算法为最小二乘支持向量机预测算法或神经网络预测算法。