在交通、市政、水工、矿山、军事等诸多领域存在着大量的隧道工程。隧道工程的建设必然伴随着土体的开挖,由于土体对于外界的扰动较为敏感,开挖过程中所引起的地表沉降、围岩变形若是过大,必然会引起地表塌陷、洞室坍塌,从而造成人员生命及财产的损失。通常来说,隧道的施工工法及支护参数主要根据其所处地层的围岩力学参数来确定,但众所周知,围岩作为一种非均匀、非线性、非连续的材料,如何准确高效的获取围岩力学参数成为工程界亟需解决的难题。本文以正在建设中的大连地铁五号线起虎区间段隧道为依托,提出以差异进化算法理论为基础的DE-BP神经网络反演模型,根据隧道施工现场的位移监测数据反演出隧道所处地层的围岩参数,进而将所得到的参数应用于隧道CRD法不同开挖方式及支护参数的研究中,对于实际工程具有一定的指导意义。本文的主要研究内容如下:（1）收集并整理隧道工程地质、水文条件、施工工艺、施工监测等资料,采用回归分析中的双曲线函数公式对开挖初期隧道拱顶沉降及净空收敛随时间变化曲线进行拟合,对围岩的最终变形量进行预测。（2）运用Abaqus有限元软件建立隧道开挖正演模型,采用正交试验、极差分析、方差分析等方法,分析出土体摩尔-库伦本构参数的敏感性,最终确定将土体的弹性模量Ε、粘聚力c、内摩擦角φ作为本文的反分析待反演参数。（3）分别建立BP神经网络模型及优化后的DE-BP神经网络模型,采用正交试验、均匀划分等方法建立神经网络学习样本并进行网络训练。采用灰度预测中的后验差检验对两种模型的预测能力进行评价,得到DE-BP算法的误差要小于传统的BP算法,说明其具有很好的预测能力。（4）将反演出的围岩力学参数应用于隧道动态开挖模型的建立中,从围岩变形、锚杆轴力、初支应力等角度着重研究隧道CRD法不同开挖步序、锚杆长度、锚杆间距等因素的影响,分析各工况的安全性,为隧道的设计和施工提供指导和依据。