由于尾矿坝数量的不断增多、规模的不断增大，导致了逐渐频发、灾害性加剧的尾矿坝事故，给尾矿库及其周边生态环境、人民生命财产带来严重危害。从组成尾矿坝的物质材料上看，尾粉砂较为常见，其物理力学性质对于尾矿坝稳定性评价及病患治理具有十分重要的基础性意义。本文以室内颗分试验、物理性质试验、三轴压缩试验和颗粒流数值试验为手段研究不同细粒含量、不同围压对尾粉砂力学特性的影响，结合人工神经网络建立起尾粉砂的强度参数预测模型，并对该模型进行工程应用和讨论，具体研究内容如下：（1）设计六种细粒含量（10%、20%、30%、40%、50%、60%）的尾粉砂试样，通过颗分试验研究尾粉砂的级配特征、物理试验测试其比重和孔隙比，通过试验表明：细粒含量为40%时，级配良好，含量增大或减小，级配都呈逐渐变差趋势；比重和孔隙比随细粒变化则未发生明显的改变，基本呈随细粒含量增加，略微增大的趋势。（2）基于以上尾粉砂试样和四种围压状况（100kPa、200kPa、300kPa、400kPa），采用室内三轴压缩试验研究其力学性质，并从试样破坏模式、应力-应变曲线特征、屈服强度、峰值强度、残余强度、初始模量和切线模量7个方面对不同细粒含量、不同围压影响尾粉砂力学性质变化的特征和原因进行分析。（3）通过PFC3D颗粒流数值试验技术，生成以上六种细粒含量的尾粉砂数值试样，通过数值试验拟合物理试验的应力-应变曲线，得出模拟中的细观参数，并采用该参数进行数值试验研究。基于模拟结果可知，数值试验基本重现了物理试验中的鼓胀破坏，且揭示了不同细粒含量、不同围压下尾粉砂变形破坏的细观机制。（4）利用人工神经网络的强大非线性映射能力，采用不同细粒含量的室内三轴试验所获得的强度参数样本，对神经网络模型进行训练，并将得出的神经网络强度参数预测模型进行尾粉砂强度参数估算的工程应用，通过预测结果表明，该模型基本可以满足相关的工程应用。