岩土工程的研究对象是一个非均质、非连续、各向异性的复杂体，具有很强的随机性和模糊性，计算智能化和信息化技术在岩土工程中的应用具有重要的研究意义。如何快速、有效而又低成本地从海量数据中获得潜在有用的信息或规律并应用于工程是智能岩土工程研究的主要任务和难题。 本文在充分论述数据挖掘技术在国内外研究现状之后，针对BP神经网络和遗传算法进行了一些初步探讨，提出利用遗传算法(GA)来全局优化BP神经网络并应用于边坡稳定安全评判和地下洞室位移时间序列预测。具体研究成果如下： (1)介绍了人工神经网络和GA的基本理论，针对BP神经网络和遗传算法各自的优越性和局限性，提出GA全局优化BP神经网络的方法，将网络的拓扑结构和连接权阈值可能存在区域作为遗传算法染色体基因，进而搜寻GA-BP全局最优参数。 (2)简述龙滩水电站及其工程地质基本概况，对地下洞室群的主厂房、主变室和尾水系统进行监控系统布置设计，并运用多点位移计、锚杆应力计和锚索测力计等仪器进行实时监测。监测结果表明，地下洞室群的围岩是稳定的，其监测系统设计也是合理的。 (3)收集并构建模型的输入输出变量，建立的GA-BP全局优化神经网络模型，通过Matlab语言进行程序实现，对边坡稳定性安全系数进行仿真预测，并与BP神经网络、传统GA-BP神经网络的预测结果对比分析。结果表明：GA-BP全局优化模型使得神经网络缩短了训练时间，提高了预测精度。 (4)利用GA-BP全局优化神经网络对龙滩水电站地下洞室主厂房进行时间序列位移变化趋势预测，其结果与监测数据基本相吻合。根据预测趋势曲线得知，洞室围岩位移变形具有明显的流变特性，开挖卸荷初期出现加速流变现象，位移变形速率随时间逐渐递减为零，总体位移变形不大，但持续时间较长。