随着交通事业的发展，西部大开发的实施，高速公路建设也蓬勃兴起，高等级公路不断向西部的山区、丘陵区、高原延伸，由于高速公路对线路和坡度的特殊要求，公路隧道在投资中的比重将会越来越大，隧道已成为高速公路越岭的最优方案。隧道作为交通工程不可缺少的重要组成部分也得到飞速发展。大量在建和将要兴建的基础设施不断地向西部山区延伸，所遇到的地质情况将越来越复杂，隧道在线路中的比例也将会越来越大，因此必然会出现大量的隧道群和长大隧道。　　 但是由于地质条件的复杂性、非线性和模糊性，加上勘察精度和经费的限制，前期勘察不可能完全查明隧道地质情况。众多隧道事故充分说明了在隧道设计、施工过程的中的核心问题就是对围岩的稳定性进行分析。而对隧道围岩稳定性进行分析评价的前提是首先要通过各种手段确定围岩的稳定性类别。由于隧道围岩是受各种性质的结构面切割而形成的地质综合体，影响隧洞围岩稳定性的因素众多，其关系很难用一个精确的数学关系式来描述，属于高度非线性映射问题。目前用于隧道围岩稳定性识别的方法较多，一般的做法是假设所研究的变量间有某种线性或非线性关系，但多具有较浓的人为因素而缺少严格的理论指导。所以，至今在隧道工程中经验方法仍然占有一定的地位。随着对岩体力学特性认识的深入，地下工程经验的累积和地下工程技术的发展，围岩分类的原则和分类系统也在不断的改进和完善。特别是近年来随着计算机技术与人工智能的飞速发展，使得岩体分类这一传统分析方法向着自动化、智能化方向发展成为了可能。　　 大量工程经验表明，影响隧道围岩稳定性的因素主要有：岩体质量指标、岩石单轴饱和抗压强度、岩体完整性系数、结构面强度系数和地下水渗流量。这些影响因素具有非线性特征，而BP神经网络在处理非线性问题上具有其独特的优越性，它的神经元映射特征也是非线性的，能完成复杂的非线性映射，具有很强的非线性处理能力。它无需知道数据的分布形式和变量之间的关系，即可实现高度非线性映射。利用其强大的学习、存储和计算能力及容错特性，可以从实例样本中提取特征，获得知识，并可使用不完备的或模糊随机的信息进行不确定性推理预测。在现场识别中，只要训练样本及输入参数选取得当，都可以提供较为满意的输出结果。且一旦模型建立好后，便可简洁、方便、快速地应用于相应领域，因此利用人工神经网络来研究隧道围岩稳定性具有非常广阔的应用前景。　　 同时，引入隧道超前地质预报技术对围岩级别进行预报，将其预测结果与围岩稳定性分类、施工支护设计相结合起来，实行动态调整围岩分级。在超前地质预报过程中，论文综合地质雷达与地质法两种常用超前预报方法的优点，形成一种实用型综合超前预报方法。该预报方法是以补充地质调查结果为基础，以物探方法作手段，用补充地质调查结果和隧道施工期掌子面地质条件指导物探方法探测结果的判释，既避免了物探探测结果的多解性和盲目性，又充分利用了地质调查结果与地质物探测距离远的优点，且其操作简便，几乎不占用隧道施工时间。运用综合超前预报方法对隧道的不良地质条件、隧道地质灾害和围岩级别进行了预测预报，经过与实际开挖情况的对比分析，不良地质和围岩级别的预报取得良好的效果，从而避免了隧道地质灾害的发生。表明以地质法为基础，以地质雷达为手段的综合超前地质预报方法在隧道超前地质预报中是可行的也是合理的。　　 按照本文研究的内容，简要介绍如下：　　 (1)介绍了隧道围岩稳定性分类的研究现状和目前隧道超前地质预报的现状，指出了其中的不足，提出建立围岩稳定性分类系统的必要性以及对当前超前预报工作存在的问题进行了分析和探讨。　　 (2)对隧道围岩变形、稳定性判据以及影响隧道围岩稳定性因素进行研究。　　 (3)介绍了人工神经网络的原理和方法，应用MATLAB神经网络工具箱建立隧道围岩稳定性分类模型，通过收集大量正确的工程实例，采用插值法结合隧道设计规范，构成了围岩稳定性分类样本，并针对网络模型中初始化的权值和阈值是随机的这一特点，从中选择误差小的网络，编入保存预测结果较好的网络的代码，从而提高BP网络的计算速度，使神经网络的求解更加精确。　　 (4)通过对模型的训练和检验，将训练好的神经网络模型对贵安隧道围岩进行分类，检验模型的分类能力。并对贵安隧道围岩稳定性及不良地质体进行分析评价。　　 (5)结合福州绕城高速公路隧道工程实例，通过对隧道围岩稳定性的分析，引入隧道综合超前地质预报，建立了以地质法为基础，地质雷达为手段的综合超前地质预报方法，并对该综合预报方法的实际应用效果进行了分析和探讨。