随着国家对基础设施的投入不断加大，中国的隧道与地下工程建设得到了长足发展。目前，中国在建与规划的隧道大多在位于西部地区的岩溶区和其他不良地质区域。岩溶区由于其特殊的工程地质条件和水文地质条件，造就了区域内碳酸盐岩地层广泛分布，水系广泛交错，地下构造复杂，当隧道开挖至此区域时，常常会受到突水突泥危害，突水突泥灾害不仅会破坏施工设备，还会严重威胁施工人员的生命安全，因此，建立科学的隧道突水突泥灾害风险预测模型有重大的工程实际意义。
　　本文广泛搜集世界上隧道突水突泥灾害案例的数据信息，分析各个隧道的突水致灾因子，归纳分析了不同类型隧道突水的致灾因子，并将这些突水突泥灾害案例汇总建立一个隧道突水突泥灾害案例库。本文基于灾害案例库建立了一种岩溶隧道突水突泥风险智能预测模型与系统，并且成功应用于工程实际中。本文的主要研究成果及结论如下:(1)通过广泛查阅文献，收集并分析了全世界各地隧道突水突泥灾害案例，分析归纳了三种隧道突水突泥灾害类型，包括岩溶型、断层型和其他类型，并且着重研究了135个岩溶型隧道突水突泥灾害案例，确定了六个主要致灾因子，分别为地下水位、地层岩性、不良地质、岩层倾角、负地形面积比和岩溶发育特征，建立了岩溶隧道突水突泥灾害案例库。
　　(2)本文对岩溶隧道突水突泥灾害案例库进行数据预处理，首先对案例库中的数据集进行定量化处理，然后利用箱线图法对案例库进行离群值检测与替换，再利用数据集中各个相同数据标签下的数据平均值或者中位数对案例库中的缺失值进行补充，之后对完整的案例库进行标准化和利用主成分分析法对案例库进行降维处理，最终得到纯数值的岩溶隧道突水突泥灾害案例库。
　　(3)本文采用聚类算法中的K-means方法对纯数值的岩溶隧道突水突泥灾害案例库中的数据进行重新分类，划分为了四个风险等级，分别为弱风险、中等风险、强风险和极强风险。建立了带有风险分级标签的岩溶隧道突水突泥灾害案例库。
　　(4)基于Python中的SKlearn库，本文建立了三种基于机器学习的岩溶隧道突水突泥灾害风险智能预测模型，分别为决策树模型、支持向量机模型和随机森林模型，采用“分层抽样”的方法将案例库划分为了训练集和测试集。引入K折交叉验证方法，将训练集输入进机器学习模型中，用于寻找模型的最优超参数。测试集用于测量三种机器学习模型的预测性能，结果表明，支持向量机模型的预测性能是最优的，其次是随机森林模型和决策树模型。
　　(5)基于Python，本文开发了基于机器学习的岩溶隧道突水突泥灾害风险智能预测系统，并且将此系统成功地应用于成昆铁路特尔莫隧道和其他四个典型岩溶隧道的突水突泥风险预测。