传统的岩石力学分析方法,不论是理论分析还是数值分方法,都是一种正向思维或确定性思维。然而对岩土工程问题应用正面的纯理论和数值预测及计算,往往是很难奏效的。必须详细地了解实际的条件和过程,积累经验,对理论和参数进行合理修正；在工程中不断监测并积累数据,在其基础上合理优化参数,再计算和预测以后的变化,从而达到更高的精度。因此实际工程中需要“理论导向,经验判断,精心观测,合理反算”。本文以绿春坝铁路隧道为工程应用背景,利用现场监测数据为基本信息,结合三维数值分析及遗传神经网络智能反分析系统,对围岩力学参数进行了反分析。根据现场典型监测断面数据的回归分析与曲线拟合,分析围岩变形(拱顶下沉及水平收敛)随时间以及空间变化的特点,预测围岩变形趋势并为二次衬砌提供最佳时机。采用正交设计法及均匀设计法对待反演的围岩力学参数(弹性模量E、泊松比μ、内聚力c及内摩擦角Φ)在初始域范围内进行设计,将多组参数样本代入到已建立好的三维数值隧道开挖模型中,结合三台阶七步开挖法施工工艺进行围岩弹塑性分析,求出关键点位移组成BP神经网络的训练样本及测试样本。针对BP神经网络易陷入局部极小值和训练时间过长等缺点,利用遗传算法全局寻优能力优化BP神经网络的权值和阈值。将数值计算结果作为训练样本及测试样本构建GA-BP智能反分析系统。本文在综合研究上述内容的基础上,将GA-BP智能反分析系统应用于隧道开挖工程中,结合现场量测信息反演围岩力学参数,将优化参数代入到有限元程序中进行计算分析,评估围岩稳定性及支护结构。