混凝土热学参数取值的准确性直接影响坝体温度场仿真计算结果的可靠性。受原材料批次、现场施工环境等因素的影响,以往通过室内试验或经验公式获得的混凝土热学参数值难以准确反映真实浇筑条件下的混凝土热学特性。实践表明,基于现场实测温度数据进行反演计算是获取混凝土真实热学参数的一种有效途径。因此,研究准确获取混凝土真实热学参数的反演方法具有重要意义。本文针对目前混凝土热学参数反演精度受温度测点的选择及优化算法的稳定性影响较大的问题,主要开展了以下研究工作:针对反演精度受温度测点位置的选择影响较大的问题,从监测误差和反演误差的解析关系出发,提出了采用测点温度对反演参数的灵敏度最高的原则优选用于热学参数反演的温度测点的方法;在此基础上,结合混凝土热传导问题高度非线性的特点,引入改进的Morris法,提出了测点灵敏度的计算流程。针对混凝土热学参数反演精度受优化算法的稳定性影响较大的问题,首先对比了均匀设计-数值仿真-BP神经网络-遗传算法和遗传算法-数值仿真两种反演方法,分析了二者的异同点和反演结果不稳定的原因;然后从遗传算法的优化策略入手,得出宽泛的初始搜索空间是影响反演结果稳定性的重要因素,由此结合随机试验法和遗传算法,提出了逐步缩小搜索空间的热学参数反演方法,即根据多次反演结果逐步缩小遗传算法的初始搜索空间,以此提高反演结果的稳定性。工程实例计算分析表明,基于测点优选结果的混凝土热学参数反演精度更高,且采用逐步缩小搜索空间的反演方法可以有效增强反演结果的稳定性。研究结果表明:在选择用于热学参数反演的温度测点时,要考虑测点位置与反演参数之间的关系;本文提出的用于热学参数反演的温度测点优选方法可以提高反演参数的精度;相对于常规智能反演方法而言,本文提出的逐步缩小搜索空间的热学参数反演方法在控制反演结果稳定性的同时,也在一定程度提高了反演的精度和效率。