1.一种基于Stacking集成学习的骨骼肌早期损伤时间预测方法，其特征在于，包括以下步骤：

1）收集大鼠不同损伤时间的骨骼肌样本，提取组织中的总RNA，并将其反转录为cDNA，利用RT‑qPCR技术获取骨骼肌损伤修复相关基因在转录水平的表达量数据；

2）选择支持向量机、随机森林及多层感知机作为集成学习基分类器，分别建立三种基分类器的预测模型，将三种基分类器的预测概率值堆叠形成新的特征集，采用Logistics regression对新的特征集进行训练得到最终的Stacking集成学习模型；

3）将未知样本的骨骼肌损伤修复相关基因的表达量数据输入Stacking集成学习模型，以此来预测未知样本的损伤时间。

2.根据权利要求1所述的一种基于Stacking集成学习的骨骼肌早期损伤时间预测方法，其特征在于，所述RT‑qPCR技术包括使用内参基因RPL13和RPL32 mRNA作为标准化内参，‑△△ct

应用2 法计算由RT‑qPCR测得的目的基因的Ct值，得到目的基因的相对表达量。

3.根据权利要求1所述的一种基于Stacking集成学习的骨骼肌早期损伤时间预测方法，其特征在于，在步骤2）中，按照随机抽样的原则，选取表达量数据中的一部分作为训练集，另外一部分作为测试集。

4.根据权利要求3所述的一种基于Stacking集成学习的骨骼肌早期损伤时间预测方法，其特征在于，所述训练集为70%，所述测试集为30%。

5.根据权利要求1所述的一种基于Stacking集成学习的骨骼肌早期损伤时间预测方法，其特征在于，未知样本的骨骼肌损伤修复相关基因的表达量数据的获取方法同步骤1）。

6.根据权利要求1所述的一种基于Stacking集成学习的骨骼肌早期损伤时间预测方法，其特征在于，在步骤1）中，大鼠骨骼肌样本包括未受损伤的骨骼肌样本。