城市现代化快速发展,建筑物鳞次栉比,地下工程应用越来越多,其中特别突出的就是深基坑。毋庸置疑,对于岩土工程来说,超深层基坑的开挖支护设计十分关键,尤其是基坑支护设计中参数的选取,既关乎到设计的合理性,更影响着一个工程项目的整体安全性。在国内基坑支护设计最常使用的一种方法—也是被大部分规范推荐的—弹性地基梁理论的m法,在m法的应用中,计算参数的选取对于岩土界是一个十分棘手的问题,因m值无法在实勘中获得,相应的规范也只给出其一个较为宽泛的取值限定,并且由于不同地区具体地质条件的差别,很难确定相应最优的m值。因此,通过相应的研究方法确定一个准确、合理的m值,既能真实反映实际的基坑开挖支护工作状态,也能丰富特殊地层m值的取值,具有一定工程意义。本文首先简单地介绍了岩土领域反分析方法的研究现状和发展概况,随后介绍了反分析和人工神经网络的理论知识,并对本文所用的BP神经网络基本原理、结构和算法等进行了简单归纳。随后介绍了所依托的北京地铁车站基坑项目的基本概况,对富水砂卵石地层水下开挖项目监测数据进行了分析。并运用有限元模拟软件Midas/GTS建立模型,通过模拟对比验证了模型的可靠性。在本文反演研究中,首先是确定后续使用的学习训练样本,所以在运用正交试验设计原理下,通过上述的Midas/GTS模型从而建立了基坑开挖支护阶段各个土层的正交试验表。下一部分是建立相应的BP神经网络反演分析模型,主要基于人工神经网络原理并通过Matlab程序编制代码实现。为使得反演效果最佳,对训练函数和隐含层神经元数目进行试算,同时用正交试验设计得到的数据对建立的神经网络模型进行学习训练,并用验证样本来检验神经网络的可靠性。反演模型建立后,选用现场测点得到的监测数据并利用反演模型来求得区域基坑土层m值进行反演优化,进而求得各个工况下更适用于该地区的m值取值,最后代入理正模型与规范m值进行比较。此外,得到一些有益的结论,对设计优化提出了建议可供以后设计参考。