一种规则引擎与深度学习联合的高速铁路隧道洞身施工方法的预测方法

本发明提供一种规则引擎与深度学习联合的高速铁路隧道洞身施工方法的预测方法，该方法整理并构建了一个数据样本库，以支持算法的训练。基于这一数据集，本发明提出了一种规则引擎与深度学习联合的方案，即RI‑ACNTPP，专门用于高速铁路隧道洞身施工方法参数设计。通过对比实验评估了RI‑ACNTPP模型与GBDT（梯度提升决策树）、RF（随机森林）、MLP（多层感知器）、SVM（支持向量机）等模型的性能。结果显示RI‑ACNTPP模型不仅在预测准确率上达到了最高水平，而且在面对小样本数据时依然能够保持较高的预测精度。本发明将深度学习技术应用于高速铁路隧道施工方法的设计，不仅丰富了隧道智能化设计的理论基础，还为未来高速铁路隧道施工方法的设计与复查提供了技术支持。