近年来，瑞利面波勘探已经广泛用于工程地质勘探和工程质量检测等领域中。目前，瑞利面波勘探频散曲线反演解释时主要考虑基阶模态面波。但是，当地层中含有软弱层以及表层为高速层时，在高频段高阶模态面波相对基阶模的能量更占优势。所以，在瑞利面波勘探频散曲线反演解释中，必须考虑高阶模态面波的信息；在高阶模态面波占优势时，同时利用多阶模态组合频散曲线（包括基阶、二阶、三阶、四阶等）进行反演解释。　　 本文阐述了基于层状介质中的瑞利面波的基本理论、频散曲线的快速标量传递算法。并采用凡友华等提出的快速标量传递算法计算了四种典型地层结构模型多阶模态瑞利面波频散曲线，根据计算结果分析得知：对于递增型地层结构和硬夹型地层结构模型，基阶模态就能完全反映其地下信息：对于含软弱层和表层为高速的情况，就必须考虑其高阶模态的影响。　　 在考虑基、高阶模态面波多条频散曲线的条件下，本文采川BP神经网络算法进行频散曲线的反演。BP神经网络算法频散曲线反演的主要特点是，直接利用频散曲线的数据对层状介质层厚度和瑞利面波波速同时进行多类参数输出反演，它避开了物探工作中反演对正演理论的依赖性，从而避开了频散曲线的止演理论计算中暂时无法解决的问题，如计算量人、高频有效数字损失、层参数变化人时计算数字溢出等等。而且，当BP神经网络中的各层连接权值训练完成后，它的反演速度是相当快的。本文详细介绍了BP神经网络算法的基本思想和程序设计步骤，在此基础上，编制了多阶模态面波频散曲线BP神经网络的反演释序。并且，对四种典型地层结构的模型进行BP神经网络基阶模态（单条）和多阶模态（组合）频散曲线反演，通过两种方法对比得知：对于高阶模能量占优的复杂地层结构模型，多阶模态（组合）频散曲线反演比较有优越性。　　 最后以两种典型地层结构软夹型和公路型实测数据为例，对实测频散曲线进行基阶模态（单条）和多阶模态（组合）的BP神经网络反演，试算结果证明利用多阶模态（组合）频散曲线BP神经网络反演可以更准确地反映地下真实地层结构。在特定的地层结构条件下，能够取得更好的地层反演效果。