本文针对岩石结构面的剪切力学行为问题,基于BP神经网络方法建立可预测结构面峰值剪切强度的模型。BP神经网络作为一种信息处理的方法,能够综合多种影响因素进行预测,具有自学、高效等特点。结构面剪切强度是影响岩体稳定性的主要因素,传统结构面剪切强度模型通过试验分析手段构建力学模型。经过调研,收集了部分学者的结构面直剪试验结果数据,选择了 Grasselli的直剪试验作为样本数据,经过多次网络分析训练最终建立预测模型。通过综合分析,考虑以结构面形态参数及外部实验条件等因素作为主要参数指标,同时这些因素作为BP神经网络的输入参数,经过多次网络分析训练获得了 BP神经网络预测模型,可快速预测结构面的峰值剪切强度值,并进行了预测结果与其他剪切模型计算所得的峰值剪切强度值对比分析,验证了将室内直剪试验作为新数据的可行性。本研究取得的主要研究成果如下:（1）综合分析了影响岩石结构面峰值剪切强度的各种影响因素,考虑以结构面可能接触面积比A₀、结构面粗糙度参数θ_max^*/（C+1）、岩石抗拉强度σ_t以及施加于岩石上的法向应力σ_n作为主要基本参数指标,以此构建了用以预测结构面峰值剪切强度的BP神经网络预测模型。（2）基于Grasselli的7类岩石共37组结构面的直剪试验数据,利用预测模型,可快速预测结构面的峰值剪切强度值,预测结果与试验结果有良好的吻合度,验证了该方法应用上的适用性。（3）进一步与Grasselli等、唐志成等、杨洁等提出的峰值剪切强度模型对比,BP神经网络模型得出的整体预测结果体现出更小的误差和更高的精度。（4）为验证BP神经网络预测的可行性,用花岗岩结构面试样进行了试验,得到了岩样的结构面形态参数、基本力学特性和剪切力学特性。将试验得到的数据进行计算整理,得到试验结果用于BP神经网络样本数据进行预测。（5）由于BP神经网络预测方法减少了剪切强度计算的复杂性,并能根据影响因素快捷、有效地预测结构面峰值剪切强度,作为一种直剪试验中预测岩石结构抗剪强度的方法,能够有效的减少研究岩石结构力学性能中的重复性工作,为节省成本、提高研究效率提供了一种新的方法。