我国幅员辽阔,河湖众多,水资源总量丰富,但人均水资源占有量严重不足,同时,由于区域性的水资源分布不均,引水工程作为一项有效缓解水资源短缺的综合性水利工程,显得尤为重要。通常情况下,引水工程规模巨大,涉及的工程建筑物种类众多,如何保障引水工程的安全稳定运行是一个难题。渠道是引水工程的重要组成部分,通过数值模拟的方式掌握引水渠道结构、边坡及基础的实际状态,有助于保障引水工程的安全运行。但是,合理精确的计算参数是实现准确有效的数值模拟计算的重要基础,因此,如何有效准确的获得引水渠道的相关数值计算参数具有重要意义。本文在总结前人研究成果的基础上,详细地介绍了有限元法的基本理论以及人工神经网络的参数反演方法,利用ANSYS有限元分析软件建立了引水渠道的有限元计算模型,基于现场的实测资料,通过数值模拟计算的方式,利用RBF神经网络对有关的参数进行了反演研究。在进行参数反演时,首先采用了单一测点的方式,重点对上下两层土体的弹模和泊松比进行了反演研究。在构建学习样本时,根据工程实际情况选取多组参数方案,通过改变不同参数组合,利用引水渠道的有限元模型进行多组参数方案的测点沉降计算,基于水位变化与土体沉降的关系,利用沉降数据构建学习样本的输入及输出。然后,根据测点的监测数据,通过RBF神经网络模型对土体参数进行参数反演及反演效果的分析。最后,根据反演的有关参数值对引水渠道进行结构计算及分析。而后,考虑到对多个测点信息的综合应用,又采用了多测点的方式进一步展开土体参数的反演研究。根据学习样本的样本容量的不同又将其分成了两种方式,前一种保持了整体样本容量与单一测点时一致,后一种保持了每个测点的样本量与单一测点时一致。通过上述两种方式利用RBF神经网络展开多测点的参数反演,并将多测点的参数反演效果与单一测点的反演效果进行比较与分析,结果表明,相较于单一测点的方式,多测点的参数反演由于综合了不同测点的信息,有效地反映了水位变化与土体沉降的关系,其反演效果也更好。本文采用了RBF神经网络通过单一测点和多测点两种方式对引水渠道相关土体参数进行了反演研究,能够提高引水渠道的数值模拟计算的合理性和有效性,为准确掌握引水工程的安全稳定运行提供了保障。