来源：期刊VIP网 时间：
作者：吴佳明;戴林发宝;薛光桥;田力;孙文昊;孙杰;刘修国;
单位：中铁第四勘察设计院集团有限公司;水下隧道技术国家地方联合工程研究中心;中国地质大学(武汉)地理与信息工程学院;
摘要：高速铁路隧道施工工法决策对建设效率及工程安全具有重要影响，传统设计方法存在定量分析不足、经验主导性强、决策过程自动化程度低等局限性。因此，为了有效解决以上难点问题，提出基于深度学习的高速铁路隧道洞身施工工法智能决策方法。通过系统分析影响隧道洞身施工方法决策的特征因素，提出特征因素量化分类方法；针对隧道勘察设计数据的异构性特征，采用重采样、相关性分析、特征分类编码等数据预处理方法，进而构建涵盖251条隧道、总计1 700组洞身施工节段的样本数据库，在此基础上提出一种融合注意力机制的多尺度卷积神经网络模型CNN-ACmixNet。对比分析多个机器学习模型的预测性能，同时对提出的CNN-ACmixNet模型进行多组消融试验，计算不同网络模块对模型性能的贡献度，结果表明提出的结合ACmix注意力机制和Focal Loss的CNN-ACmixNet智能决策模型预测效果整体最优，预测准确率为89.41%。进一步研发隧道洞身施工工法智能决策系统，通过自动读入地理、地质、线路等信息，能够实现隧道施工工法的批量自动生成，并通过实际工程验证方法的有效性和适用性，为复杂地质条件下隧道智能设计提供创新性解决方案。
关键词：高速铁路;;铁路隧道;;施工工法;;深度学习;;智能设计;;智能决策系统
基金资助：国家重点研发计划项目(2023YFB2603600,2022YFB2602101);; 中国铁建股份有限公司科技重大专项(2024-W19)
