基于人工智能方法的隧道塌方风险预测研究

为了对隧道塌方风险展开研究，整理246起隧道塌方事故案例，通过建立塌方风险评估指标体系，基于人工智能预测方法，分别采用随机森林算法、径向基函数神经网络、BP神经网络模型、粒子群算法优化BP神经网络模型，对塌方风险进行预测。结果表明，随机森林算法、径向基函数神经网络、BP神经网络模型、粒子群算法优化BP神经网络模型的塌方预测准确率分别为81.67%、83.33%、86.67%、93.33%,F₁值分别为0.645、0.642、0.5、0.833。粒子群算法优化BP神经网络模型预测准确率和F₁值均大幅提高，预测效果最好，大大减少了评估结果的主观性，为隧道塌方风险研究提供了新的研究思路。