基于联合深度学习网络的不良地质类型判识方法及系统

本发明提出基于联合深度学习网络的不良地质类型判识方法及系统，涉及地质灾害预报技术领域。包括获取训练信息，包括开挖段落的地质资料、物探反演成像信息及钻探信息；将训练信息输入至预先建立的联合深度学习网络模型中，依次进行数据预处理、特征提取和特征融合，得到联合特征表示，并基于联合特征表示，得到不良地质体的判别类型及形态刻画；其中，所述联合深度学习网络模型包括DNN模型、CNN模型和RNN模型，分别利用DNN模型、CNN模型和RNN模型提取训练信息中数字类数据、图像类数据和文字描述类数据的特征。本发明能够快速准确的对隧道前方不良地质体进行种类判别以及形态刻画，减轻人工预报压力。