1.一种基于动力刚度匹配基的隧道衬砌减隔震结构精准设计方法，其特征在于，包括以下步骤：1)隧道包括围岩层、锚杆加固层、初衬层、减隔震结构层和二衬层，获取隧道围岩层、锚杆加固层、初衬层和二衬层的动弹性模量和设计厚度；围岩层动弹性模量E 1 ，厚度h 1 ；锚杆加固层动弹性模量E 2 ，厚度h 2 ；初衬层动弹性模量为E 3 ，厚度h 3 ；二衬层动弹性模量E 5 ，厚度h 5 ；2)计算围岩层、锚杆加固层、初衬层和二衬层的抗弯刚度和弯矩；围岩层抗弯刚度E 1 I 1 ，弯矩M 1 ；锚杆加固层-抗弯刚度E 2 I 2 ，弯矩M 2 ；初衬层抗弯刚度E 3 I 3 ，弯矩M 3 ；二衬层抗弯刚度E 5 I 5 ，弯矩M 5 ；3)设定减隔震结构层的动弹性模量为E 4 ，厚度为h 4 ，则减隔震结构层抗弯刚度为E 4 I 4 ，弯矩为M 4 ；根据围岩层、锚杆加固层、初衬层、减隔震结构层和二衬层的挠曲率均相等，计算可得减隔震结构层抗弯刚度与围岩层、锚杆加固层、初衬层和二衬层之间的关系式：4)设定式(1)中的 为刚度匹配基S mb ，可得：式(2)转化后可得：其中： -减隔震结构层弯矩与围岩层弯矩的比值系数； -减隔震结构层弯矩与锚杆加固层弯矩的比值系数； -减隔震结构层弯矩与初衬层弯矩的比值系数； -减隔震结构层弯矩与二衬层弯矩的比值系数；5)收集已完工高烈度区隧道衬砌减隔震结构的设计及施工数据，建立样本数据集，样本数据集包括E 1 、h 1 、M 1 、E 2 、h 2 、M 2 、E 3 、h 3 、M 3 、E 4 、h 4 、M 4 、E 5 、h 5 、M 5 ；6)以步骤5)获取的E 1 、h 1 、M 1 、E 2 、h 2 、M 2 、E 3 、h 3 、M 3 、E 5 、h 5 、M 5 作为输入变量，M 4 作为目标输出变量，搭建并训练BP神经网络模型，得到满足预测要求的BP神经网络模型；将步骤1)和步骤2)获取的E 1 、h 1 、M 1 、E 2 、h 2 、M 2 、E 3 、h 3 、M 3 、E 5 、h 5 、M 5 输入步骤6)训练后的BP神经网络模型，计算后输出步骤1)减隔震结构层弯矩M 4 对应的预测结果；7)将步骤6)获取的M 4 预测结果输入式(3)中，计算得到S mb ；再将计算得到的S mb 输入式(2)中，计算得到减隔震结构层抗弯刚度E 4 I 4 ；8)弹性模量和厚度设计：设定步骤1)中隧道减隔震结构层的样本属性为“优先考虑动弹性模量E 4 ”和“优先考虑厚度h 4 ”；并设定“优先考虑动弹性模量E 4 ”为0，“优先考虑厚度h 4 ”为1；采用逻辑回归算法，将步骤5)获取的样本数据集E 1 、h 1 、E 2 、h 2 、E 3 、h 3 、E 4 、h 4 、E 5 、h 5 作为输入变量，通过逻辑回归模型训练、逻辑回归模型验证和逻辑回归模型预测的逻辑回归算法得到输出变量0或1，0代表“优先考虑动弹性模量E 4 ”，1代表“优先考虑厚度h 4 ”；9)根据逻辑回归模型的输出结果，对隧道的减隔震结构层进行设计。
2.根据权利要求1所述的基于动力刚度匹配基的隧道衬砌减隔震结构精准设计方法，其特征在于，所述步骤6)中：步骤a1，BP神经网络模型构建：输入层设置12个神经单元，隐藏层设置一层包含32个神经单元，输出层设置1个神经单元；步骤a2，划分数据集：将步骤5)获取的样本数据集80％的样本作为训练集，剩余的20％样本作为测试集；输入层的12个神经单元分别对应12个输入变量E 1 、h 1 、M 1 、E 2 、h 2 、M 2 、E 3 、h 3 、M 3 、E 5 、h 5 、M 5 的数据值；输出层只有一个神经单元对应M 4 的数据值；步骤a3，BP神经网络模型训练：输入步骤a2划分的训练集，根据样本数量设置迭代数，反复训练更新BP神经网络模型权重矩阵，得到优化后的BP神经网络模型；步骤a4，BP神经网络模型模型验证：采用AUC作为模型预测精度的评价指标，将步骤a2划分的测试集输入至优化后的BP神经网络模型中，当AUC值大于0.80时，说明优化后的BP神经网络模型满足实际预测需求。
3.根据权利要求1所述的基于动力刚度匹配基的隧道衬砌减隔震结构精准设计方法，其特征在于，所述步骤8)中：步骤b1，建立逻辑回归模型，划分数据集，将步骤5)获取的样本数据集80％的样本作为训练集，剩余的20％样本作为测试集；步骤b2，逻辑回归模型训练：输入步骤b1划分的训练集，根据样本数量设置迭代数，反复训练更新逻辑回归模型内部计算参数，通过训练输出优化后的逻辑回归模型；步骤b3，逻辑回归模型验证：采用AUC作为逻辑回归模型预测精度的评价指标，将步骤b1划分的测试集输入至步骤b2优化后的逻辑回归模型中，当AUC值大于0.90时，说明步骤b2优化后的逻辑回归模型满足实际预测条件；步骤b4，将步骤1)中的E 1 、h 1 、E 2 、h 2 、E 3 、h 3 、E 5 、h 5 输入至步骤b2优化后的逻辑回归模型，计算后输出该案例的属性0或1；步骤b5，根据模型的输出结果，0为“优先考虑动弹性模量E 4 ”，1为“优先考虑厚度h 4 ”；基于模型的输出结果对隧道的减隔震结构层进行设计。
