岩土工程计算中,岩土力学参数非常重要。本文通过进化神经网络方法进行反演获得,为今后实际工程进一步研究和应用提供了一个新的手段和方法。以反馈给设计人员,以达到“及时修改设计,降低造价,缩短工期”效果。而且可以进一步的验证进化神经网络方法的优点,而且为更准确地预测隧道施工引起的位移提供了理论依据。本文以大顶山隧道为工程背景,根据获得的隧道现场实测变形监控量测数据,对实测值进行数据拟合分析,从而得到变形量测值的分布规律。另外,选用FLAC3D软件为平台,为建立起力学参数与隧道位移之间的映射关系提供样本数据,作为进化神经网络的分析样本。通过网络的训练、学习等技术手段,构建参数和位移之间的非线型数学模型。之后,把实测变形值代入已构建好的非线性映射模型中反演出围岩的力学参数。最后,基于本文的反演结果进行正分析,对围岩类别相同的断面围岩变形值进行预测以及对施工方案进行优化对比分析。经对现场实测数据的统计分析,并结合理论分析和数值模拟,采用十进制遗传算法在BP网络训练过程中自动搜索训练效果最优的网络拓扑结构参数,形成进化神经元算法,对神经网络进行训练,以达到反分析参数所需精度。进而采用进化神经元算法进行大顶山隧道施工变形段的围岩物理力学参数反演,将获得的反演结果用于隧道后续施工的围岩变形短期预测以及施工方案优化对比分析,使用结果表明,该方法有较高的短期围岩变形预测精度。以上研究成果在大顶山隧道软弱围岩变形段施工中得到应用,研究结果表明此方法与实际开挖位移吻合良好,有效地保证了该段围岩隧道的施工安全和工程质量,并为类似工程设计和施工提供了一定的指导作用。