一种基于机器学习的隧道跨断层变形预测方法

本发明公开了一种基于机器学习的隧道跨断层变形预测方法，为解决跨断层隧道相对错动预测缺失、监测数据异构难统一及物理约束不足的问题，本发明通过构建断层面坐标系与观测统一算子、采用双域物理信息神经算子或傅里叶神经算子进行方向加权建模、在断层界面施加接触与摩擦的互补约束并以可微投影实施隐式校正，结合不确定度加权的同化更新与分位数回归模块输出相对错动量的多分位数及超限概率与时间区间，实现了对跨断层相对错动的物理一致、高精度预测并完成不确定性量化的技术效果。