润扬大桥南汊桥南锚碇基础为特大型基坑，采用了新工艺排桩冻结支护方案。在排桩冻结深基坑工程中，冻结壁将对排桩产生较大的水平冻胀力作用，但冻胀力的大小难以确定。因为岩土体力学参数和冻胀力对排桩水平变位以及内支撑的内力有着较大的影响，准确地确定冻胀力和土体参数就具有十分重要的工程意义，而位移反分析法为这些参数的确定提供了有效途径。 本文以有限元和BP神经网络为基础，进行基坑开挖内力和变形的正反演分析。基于正分析结果，建立了排桩变形和不确定参数的非线性关系的BP神经网络的训练样本。把排桩变形作为神经网络的输入，而不确定参数作为网络输出，对神经网络进行训练。BP网络训练成功后，再用实测的排桩变形进行反分析得到不确定参数值。排桩变形与不确定参数之间是高度非线性的，当用BP网络进行函数逼近时会相应存在网络泛化能力的缺陷。本文采用均匀试验法构造学习样本，以提高网络的泛化能力，同时减少样本数。在此基础上，根据变形对不确定参数的灵敏程度，对其中灵敏度较高的参数进行修正，以使反分析的参数更加符合实际。基于反分析参数特别是冻胀力参数，对基坑进行正分析，可以比较准确地预测后续工况基坑的稳定状况。 基于润扬大桥南锚碇深基坑开挖施工的监测数据，进行土体力学参数和冻胀力的反分析。在反分析基础上进行的后续工况变形和内力的正分析结果表明，基坑已接近极限状态，需要进行加固处理或修改设计。