基于机器学习混合模型的隧道开挖地表沉降预测方法及系统

本发明提供了基于机器学习混合模型的隧道开挖地表沉降预测方法及系统，涉及隧道工程与机器学习交叉技术领域，方法包括：获取目标隧道的多源异构信息，构建地表沉降数据集；构建Transformer‑BiLSTM混合模型，基于VMD变分模态分解算法，增强算法在噪声环境下的鲁棒性，基于地表沉降数据集使用PSO算法自适应调优超参数，最大化模型预测精度，得到地表沉降预测模型；通过SHAP值解析所述地表沉降预测模型的决策逻辑，输出可解释的工程指导建议。通过构建机器学习混合模型，实现隧道开挖全过程地表沉降的高精度、实时化预测。提高模型精度与泛化能力，增强对复杂时空特征的表征能力，避免过拟合；优化可解释性，量化关键参数对预测结果的影响，以此指导施工参数调整。