一种基于机器学习技术的可持续隧道施工涌水量预测方法

本发明属于工程技术和环境保护领域，公开了一种基于机器学习技术的可持续隧道施工涌水量预测方法，步骤如下：数据收集与预处理；利用多元统计和机器学习方法识别涌水量的主控因子；利用Python编程语言，根据涌水量关键影响因素，基于随机森林、XGBoost和深度神经网络模型算法，分别建立高效涌水量预测模型，并根据初始涌水量预测模型输出性能的评估参数评估并对比不同高效涌水量预测模型的性能。将各高效涌水量预测模型训练集和测试集输出性能最接近的高效涌水量预测模型确定为最佳涌水量预测模型；构建可持续化的隧道施工涌水量智能预测系统。本发明通过结合多种机器学习技术，优化了传统涌水量预测方法。