摘要
本发明涉及人工智能与数据处理技术领域，具体涉及一种隧道掘进爆破对地表建筑物振动影响的预测方法，具体如下：采集隧道掘进过程中爆破作业产生的振动信号并去噪，作为样本；根据信号的能量分布特性，采用谱聚类算法生成元任务；通过神经网络模型对每个元任务中的样本进行特征提取；采用层级化注意力机制捕捉振动信号在不同时间长度上的时间响应特性，得到各阶段的关键特征并进行融合，得到分类特征向量，进而根据分类特征向量确定爆破对地表建筑物振动影响的分类预测结果；对分类预测过程进行优化。本发明基于改进元学习策略的神经网络模型对隧道掘进爆破振动数据进行处理，可以提升对地表建筑物振动影响的准确性和施工的安全性。
