土石坝的本构模型参数是计算其变形和稳定的前提。大多数工程的本构模型参数都是通过试验得到的，但是由于试验环境、操作方法与试验试件等因素的影响，得到的参数与实际参数有较大的出入。因此，利用原型观测资料来反演土石坝的本构模型参数已成为当前研究的趋势。同时，如何能够很好的反映本构模型参数与原型观测资料之间的非线性关系也成为了研究的重点。本文从该角度出发，针对土石坝E-B模型参数与位移值之间的非线性关系，引入了BP神经网络和遗传算法，通过建立相应的模型进行了参数的反演。主要研究内容和成果如下：　　 (1)通过对BP网络和遗传算法基本理论的阐述与研究，利用MATLAB软件编制程序，分别建立了BP网络模型和遗传-BP网络模型，利用两种模型对计算位移值（输入值）与E-B模型参数组（期望输出值）进行了训练。结果表明：遗传-BP网络模型的精度要高于BP网络模型。　　 (2)分别利用垂直位移和水平位移进行了参数反演。其中，垂直位移实测值反演所得参数较为合理，对工程实际应用有一定的参考价值；由于水平位移分布规律比较复杂，利用水平位移实测值反演所得参数可靠性不高。因此，对于利用水平位移实测值进行参数反演的方法还有待进一步研究与探讨。　　 (3)利用反演所得参数和有限元模型做了参数的敏感度分析。其中，K值和Kb值对垂直位移的影响最大，而n值和m值对垂直位移则影响不大；而水平位移对于K值最为敏感，对于Kb值、n值和m值则不够敏感。