岩溶地貌为铁路的隧道建设带来了巨大挑战,隧道涌水问题尤为突出,为研究隧道涌水对施工和环境的影响,研究者们建立了众多模型对隧道涌水进行预测。本文依托黔张常铁路的高山、桑植和高村隧道,利用灰色关联分析比较三条岩溶中隧道涌水与五种影响因素的关系。使用小波神经网络与GA—SVM(遗传算法—支持向量机)对三条岩溶隧道进行涌水预测,比较模型的差异表现,讨论两种涌水预测模型的有效性。本文的主要研究内容及结论如下:(1)结合隧道最大埋深、隧道长度、渗透系数、年蒸发量与年降雨量,利用灰色关联方法分析这五个因素与年涌水量的关联强弱,发现桑植隧道工程区的地下水赋存能力较弱,高山和高村隧道工程区的地下水赋存能力更强。(2)利用小波分析得到桑植隧道涌水的两个涌水主周期为150d和250d,高山隧道涌水的两个涌水主周期为130d和250d,高村隧道涌水的两个涌水主周期为70d与230d,并在此周期内进行涌水预测。发现小波神经网络模型在高山和高村隧道的平均误差更小,分别为14.28%与11.63%。而在桑植隧道中GA—SVM模型的平均误差更小,平均误差为9.35%。本文利用灰色关联方法比较了三条岩溶隧道的涌水影响因素,对比小波神经网络模型以及GA—SVM预测岩溶隧道涌水量的情况,验证了不同模型的有效性,为后续研究提供了参考。