原始名称记载: 新疆水利水电勘测设计研究院有限责任公司; 山东大学

本发明提出了一种基于机器学习的隧道涌水快速预测方法及系统，涉及隧道工程领域，针对的问题是：现有技术数据源单一、有限，预测模型单一、预测准确性不足，无法适应动态变化条件实时预测。该方法包括：获取多源数据，对所述多源数据进行时空对齐，生成统一数据张量；将所述统一数据张量输入至动态特征蒸馏网络模型进行特征提取，得到统一语义空间特征；将所述统一语义空间特征输入至三层动态集成模型并行进行预测，得到最终预测结果。本发明通过多源数据融合、自适应特征提取和实时集成学习，提高预测精度和效率，能够及时预警潜在涌水风险，为隧道施工安全提供技术支持，有效降低隧道施工安全事故发生率。

本发明提供了一种基于超前钻探随钻测试的围岩注浆结石体感知系统及方法，获取钻探过程中实时的掘进参数和地质参数数据；对数据进行处理，利用函数模型确定掘进参数和地质参数在最终分析模型中所占权重，以构建最终分析模型；利用不同观点五个子模型采用粒子群优化算法进行超参数寻优，基于已知的掘进参数和地质参数对模型进行训练，在训练后的模型中输入掘进参数，预测未知的地质参数，感知注浆结石体地质、力学特征；通过D‑S证据理论将寻优后的五个子模型感知的特征结果进行融合，得到最终的围岩注浆结石体特征。本发明能够显著提高提高围岩注浆结石体感知的准确率。