随着国民经济持续、稳定、快速的发展,我国不断加大了对基础设施的投资,隧道工程的兴建也越来越多。隧道修建于地质条件复杂的岩土体中,而岩土体具有很大的随机性、模糊性、不确定性和信息不完整性,因此如何确定岩土体的力学参数是一个比较困难的问题。大量的研究表明,位移反分析法有望解决这个问题。在施工期间由反演获得的力学参数,反馈给设计人员,可以“及时修改设计,降低造价”。运用BP神经网络方法,具有较强的非线性动态处理能力,无需知道变形与力学参数之间的数学关系,就实现高度非线性映射,从而解决反分析问题,其较强的学习、存储和计算能力,特别是较强的容错特性,适用于从实例样本中提取特征,获取知识,能实现位移和力学参数间的非线性映射。本文的主要内容与研究成果为:1、本文以厦门东通道为实例,介绍课题的工程情况和水文地质情况,阐述了监控量测与位移反分析的关系以及监控量测在隧道施工中的作用目的,着重介绍了隧道的地表沉降、应力监控、净空变位和拱顶下沉几项量测项目,并根据获得的现场监控量测数据（拱顶下沉和水平收敛）,运用专业的统计分析软件SPSS对量测值进行数据回归分析,从而得到变形量测值的分布规律,并根据实际地质情况确定出最终的围岩变形值:拱顶下沉量为84.2996mm,水平收敛量为81.5969mm。2、本文选用功能强大的岩土工程软件——三维快速拉格朗日有限差分软件FLAC^3D为平台,对隧道开挖初衬时的围岩变形进行了模拟,通过分析隧道ZK6+857断面上的最大主应力σ₁、最小主应力σ₃、竖直位移和水平位移云图,可知模拟结果基本与实际情况相符;根据隧道工程的地质条件,确定围岩力学参数的取值及取值范围:弹性模量E/GPa（0.1、0.105、0.11、0.115、0.12、0.125、0.13）,泊松比μ（0.42、0.43、0.44、0.45、0.46、0.47、0.48、0.49）,内聚力C/KPa（20、25、30、35、40、45、50、55）,内摩擦角φ/°（45、47.5、50、52.5、55、57.5、60、62.5）;采用正交设计法安排模拟试验构造了BP神经网络的训练样本,保证了样本的均衡分散性和整齐可比性。以各参数组合作为网络的输入,以模拟得到的位移信息作为网络的输出,通过BP神经网络的训练、学习等技术手段,构建参数和位移之间的非线型数学模型。接着,把变形值的分布规律代入到己构建好的非线性映射模型中,则反演出围岩的力学参数。它们分别为:弹性模量E为0.1121Gpa,泊松比μ为0.4717,内聚力C为25.61Kpa,内摩擦角φ为56.64°。3、将本文的反演结果再次进行数值模拟,模拟得出的隧道ZK6+857断面上围岩位移值分别为:拱顶下沉值86.77mm,水平收敛值74.68mm。将模拟计算出的围岩位移量和实测的位移值进行对比,结果表明模拟值与实测值吻合较好,拱顶下沉值误差为2.93%,水平收敛值误差为-8.48%。又选取断面ZK6+872和断面ZK6+885对反分析的结果进行验证,ZK6+872断面上拱顶下沉误差为4.01%,水平收敛为1.21%;断面ZK6+885上拱顶下沉误差为-5.46%,水平收敛为-5.80%,以上比较结果说明反分析得到的参数具有一定的准确性,即可认为本次反演得到的围岩力学参数值符合实际的工程地质条件,可以将其应用到实际的工程项目中,对隧道施工设计有参考价值,能够有效的辅助隧道工程的施工决策。通过研究可知,人工神经网络以其独特的非线性、非凸性、非局域性、自适应性和强大的计算与信息处理能力,已较好的解决了具有不确定性、严重非线性、时变滞后的复杂系统的建模和控制问题。神经网络对环境变化具有较强的自适应学习能力,它采用典型的黑匣子模式,将其应用于隧道围岩变形监测的正反分析研究中,有其独特的优越性所在。随着各种传统的监测分析方法在应用上的成熟,其效果也得到了实际的检验。它不需要技术人员掌握深奥的弹塑性力学理论和有线元理论,有利于基层技术人员的掌握和运用反分析技术,为今后进一步研究和应用提供了一个新的手段和方法。