1.一種基于物理信息神經網絡的煤與瓦斯突出預測方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的一種基于物理信息神經網絡的煤與瓦斯突出預測方法，其特征在于，步驟s1，對數據進行預處理的內容包括：添加高斯噪聲以增強數據魯棒性，以及歸一化處理將數據映射到合適區間。
3.根據權利要求1所述的一種基于物理信息神經網絡的煤與瓦斯突出預測方法，其特征在于，步驟s2，提取的關鍵特征包括：瓦斯放散初速度、煤層堅固性系數、瓦斯含量、瓦斯解吸含量和開采深度。
4.根據權利要求1所述的一種基于物理信息神經網絡的煤與瓦斯突出預測方法，其特征在于，步驟s2，使用統計方法和機器學習算法進行相關性分析的方法包括：遞歸特征消除法，基于pinn模型性能逐步剔除不重要的特征；以及主成分分析，通過降維提取主要特征，減少特征維度的同時保留關鍵信息。
5.根據權利要求1所述的一種基于物理信息神經網絡的煤與瓦斯突出預測方法，其特征在于，步驟s3，關鍵物理方程包括：應力-應變關系、瓦斯吸附-解吸平衡、滲透率動態模型和地應力平衡方程。
6.根據權利要求1所述的一種基于物理信息神經網絡的煤與瓦斯突出預測方法，其特征在于，步驟s4，pinn網絡結構包括輸入層、多個隱藏層和輸出層；
7.根據權利要求1所述的一種基于物理信息神經網絡的煤與瓦斯突出預測方法，其特征在于，pinn模型預測公式為：
8.根據權利要求1所述的一種基于物理信息神經網絡的煤與瓦斯突出預測方法，其特征在于，pinn模型的綜合損失函數為將數據驅動的損失函數和物理驅動的損失函數加權求和，具體為：
9.一種基于物理信息神經網絡的煤與瓦斯突出預測系統，其特征在于，基于權利要求1-8任意一項所述的一種基于物理信息神經網絡的煤與瓦斯突出預測方法，包括數據采集與預處理模塊、特征工程模塊、模型構建與訓練模塊，以及預測模塊；
10.一種處理終端，其特征在于，包括存儲器和處理器，存儲器中存儲有可在處理器上運行的計算機程序，處理器執行計算機程序時實現權利要求1-8任意一項所述的一種基于物理信息神經網絡的煤與瓦斯突出預測方法。