碳纤维楠竹锚杆因取材方便、力学性能优良、加固效果明显等优点,近年来常应用于古建筑土遗址的加固保护工程中。锚固力是锚杆最重要的性能参数之一,准确获取锚杆的锚固力对保证施工安全和加固效果具有重要的实用意义。本文借助于工程实例,将人工神经网络的BP模型应用于碳纤维楠竹锚杆锚固力的预测分析中,建立一种锚固力预测的智能模型。本文基于相关的试验研究,分析了土遗址加固锚杆锚固力机理及其主要影响因素。考虑锚杆直径、灌浆体强度、锚杆长度、孔径、锚杆倾斜角和碳纤维缠绕间距等影响因素,基于人工神经网络的BP算法,建立了锚固力预测的智能模型。利用MATLAB人工神经网络工具箱编制了专用计算程序;通过原位测试所得的15组学习样本的训练,网络模型达到了预定的精度;用训练过的网络模型分别测算每根锚杆的锚固力,将所得预测值与现场原位测试结果进行比较分析,其平均相对误差为4.02%,从而验证了该方法的适用性和可行性。利用训练好的网络进行扩展计算,基于正交表试验理论分析了其影响因素的敏感性,其结果可为同类加固工程的实际应用提供参考依据。