隧道工程信息化动态设计与施工的观念已经越来越被人们所接受和采用,如何正确给定隧道围岩的计算力学参数,一直是个比较棘手的问题,位移反分析方法为围岩参数的获取提供了一条比较有效的途径。本文以重庆市巫奉高速公路的骡坪隧道为研究载体,以现场监控量测资料为依据,建立了一个基于MATLAB神经网络工具箱的隧道围岩参数的智能反分析系统,并将之应用于实际工程中,对同类隧道工程的设计、施工、监测都具有重要的指导意义。本文的主要内容与研究成果有:1、根据骡坪隧道的工程概况、工程地质条件、水文地质条件及该隧道的主体工程设计方法等内容,着重分析总结了骡坪隧道实施监控量测的必要性、量测方案的设计、量测频率的确定以及量测数据的处理与应用,并根据现场的实际情况合理地制定了监控量测实施方案;通过对骡坪隧道动态施工过程的现场监控量测,获得其在开挖过程中的第一手量测数据,掌握隧道在开挖过程中围岩和衬砌的应力和变形的变化情况,应用回归分析等数学方法找出围岩位移的内在变化规律,确定围岩变形收敛趋于稳定的时间和最终的总变形量,为二次衬砌提供合理的支护时机。2、针对隧道工程的特点,分析了隧道围岩位移的各种影响因素,初步确定隧道围岩的待反演参数,利用ANSYS数值模拟软件建立合理的隧道围岩参数反演验证模型。3、着重分析概括了神经网络、神经元的概念及其所具有的特性、人工神经元的模型;然后重点研究了神经网络的学习行为和学习算法,神经网络模型的分类。通过分析研究BP网络的程序设计流程和设计方法,总结了BP网络的不足及其相关的改进措施。4、设计不同的反演参数初始值弹性模量E和泊松比μ,采用正交设计、均匀设计方法和ANSYS数值模型对其进行分组模拟试验,利用BP人工神经网络对非线性函数强大的映射能力、推广能力和自学习能力,构造了人工智能算法的学习样本和测试样本,与现场量测数据进行对比分析,得到反演参数的最优解。5、在已确定反演参数的基础上,将所有参数代入建立的隧道围岩参数验证模型中,正演模拟计算得到的拱顶下沉和水平收敛位移值基本上与现场实际量测值相符合。进而可对未开挖处隧道围岩变形的收敛值进行预测,为后续隧道工程的设计、施工和监控量测提供依据。