1.一种振动荷载下滑坡地段隧道影响模拟试验方法，其特征在于：包括以下步骤：S1、利用前馈神经网络算法构建多危害损伤预测模型，并将历史地震参数和隧道滑坡参数输入多危害损伤预测模型，获得隧道滑坡损伤预测数据；S11、利用采集的历史地震参数和隧道滑坡参数组成数据集，并按照比例将数据集划分为训练集和测试集；地震参数包括地震加速度 、地震震级 、震中距离 和地震持续时间 ；隧道滑坡参数包括滑坡危险指数 、地质强度指数 和损害指数 ；其中，地震加速度 、地震震级 、震中距离 、地震持续时间 、滑坡危险指数 和地质强度指数 均为多危害损伤预测模型的输入向量 ，损害指数 为多危害损伤预测模型的输出向量 ；S12、利用前馈神经网络算法构建多危害损伤预测模型，其中多危害损伤预测模型表达式如下： ；式中， 表示距离系数； 表示地形因子； 表示地震震级的指数； 表示地震加速度 与地震震级 的指数； 表示地形因子 的指数；S13、将训练集输入多危害损伤预测模型，使用Levenberg-Marquardt反向传播算法以及带有动量的梯度下降权重和偏置学习函数训练多危害损伤预测模型，通过训练集反复分配每个神经元的权重，以建立多危害损伤预测模型的输入和输出层之间的关联；S2、基于与步骤S1相同的隧道滑坡参数，构建隧道滑坡测试模型，然后将隧道滑坡测试模型置于振动台上，再基于初始边界条件，将与步骤S1相同的地震参数输入振动台，采集隧道滑坡损伤测试数据；S3、计算步骤S1获取的隧道滑坡损伤预测数据与步骤S2采集的隧道滑坡损伤测试数据之间的偏离程度，并判断偏离程度是否大于阈值，若是则调整边界条件后，返回步骤S2；若否则输出当前的边界条件与隧道滑坡参数的对应关系，获得对应关系表；S4、根据相似性理论获得隧道滑坡试验参数，并基于隧道滑坡试验参数构建隧道滑坡试验模型，同时基于隧道滑坡试验参数，查找步骤S3所述的对应关系表，获取边界条件，基于获取的边界条件下，向振动台输入地震参数，采集隧道滑坡损伤数据并输出显示。
2.根据权利要求1所述的一种振动荷载下滑坡地段隧道影响模拟试验方法，其特征在于：步骤S12所述的多危害损伤预测模型包括输入层、三个隐藏层和输出层；且使用对数S型传递函数作为隐藏层神经元的非线性激活函数，并使用线性传递函数作为输出层的传递函数；步骤S13之后还包括：S14、将测试集输入多危害损伤预测模型，测试多危害损伤预测模型的性能；S15、利用性能评估指标评估多危害损伤预测模型的性能。
3.根据权利要求2所述的一种振动荷载下滑坡地段隧道影响模拟试验方法，其特征在于：在步骤S12中， 取0.003， 取3.9， 取5.3。
4.根据权利要求3所述的一种振动荷载下滑坡地段隧道影响模拟试验方法，其特征在于：步骤S13具体包括以下步骤：S131、初始化多危害损伤预测模型；S132、前向传播：将训练集输入多危害损伤预测模型，计算每一层的输出；其中输入层到隐藏层的输出表达式如下： ； ；式中， 表示第 个隐藏层神经元的净输入； 表示从输入层的第 个神经元到隐藏层的第 个神经元的连接权重； 表示输入层第 个神经元的输入特征； 表示隐藏层的第 个神经元的偏置； 表示隐藏层的第 个神经元的输出； 表示输入层的神经元数量； 表示激活函数；隐藏层到输出层的输出表达式如下： ； ；式中， 表示第 个输出层神经元的净输入； 表示隐藏层的神经元数量； 表示从隐藏层的第 个神经元到输出层的第 个神经元的连接权重； 表示输出层的第 个神经元的偏置； 表示输出层的第 个神经元的输出，并将其视为网络预测输出；S133、计算训练集中每个样本的目标输出 和网络预测输出 之间的差异 ： ；S134、反向传播：计算差异 对权重的梯度；其中，输出层到隐藏层的差异 对权重的梯度计算公式如下： ； ； ；隐藏层到输入层的差异 对权重的梯度计算公式如下： ； ； ；式中， 表示输出层第 个神经元的误差项； 表示激活函数 在 处的导数； 表示从隐藏层第 个神经元到输出层第 个神经元的权重的更新量； 表示学习率； 表示动量项系数； 表示上一次迭代从隐藏层第 个神经元到输出层第 个神经元的权重更新量； 表示输出层第 个神经元的偏置的更新量； 表示上一次迭代输出层第 个神经元的偏置的更新量； 表示隐藏层第 个的误差项； 表示从输入层第 个神经元到隐藏层第 个神经元的权重的更新量； 表示上一次迭代从输入层第 个神经元到隐藏层第 个神经元的权重的更新量； 表示隐藏层第 个神经元的偏置的更新量； 表示上一次迭代隐藏层第 个神经元的偏置的更新量；S135、根据计算的梯度更新权重和偏置： ； ； ； ；S136、使用训练集迭代步骤S132-步骤S135，直至满足停止条件。
5.根据权利要求4所述的一种振动荷载下滑坡地段隧道影响模拟试验方法，其特征在于：步骤S15所述的性能评估指标包括R值、MAE、MAPE和RMSE。
