受工程地质、施工技术等多重因素的影响,引水隧洞开挖期间的安全问题备受关注。在引水隧洞的施工开挖的过程中,隧洞围岩受到开挖效应的影响往往会产生变形,这种在开挖过程中产生的变形会对隧洞的安全性和稳定性造成危害。根据隧洞变形监测的情况进行分析预测,对于保障引水隧洞的施工安全具有重大的现实意义。为掌握开挖期间引水隧洞围岩的变形规律,保证隧洞工程安全施工,本文通过建立监测模型来实现对隧洞开挖变形量的分析预测。隧洞开挖期间的变形受到开挖进程的影响,随着开挖历史、开挖程度不同隧洞整体的变形趋势都会有所不同,而普通的时间函数难以准确捕捉其变化规律,因此需要选取能够有效反映开挖效应的影响因子来分析隧洞围岩的变形情况。本文考虑隧洞开挖过程中围岩的受力特性,从遗传蠕变理论出发,以实测数据为基础并根据工程特点构建了反映瞬时变形和蠕变变形的影响因子集。本文采用参数少、操作简单和寻优能力强的布谷鸟搜索算法（CS）对BP神经网络模型进行优化,通过将CS算法与BP神经网络相结合,建立CS-BP神经网络模型对引水隧洞开挖变形进行训练预测。结果表明,采用基于遗传蠕变理论构建的影响因子的CS-BP模型在开挖引水隧洞变形预测上取得了非常好的预测效果,可以准确的反映出隧洞围岩的变形趋势,为开挖施工期间的引水隧洞的监测数据分析提供了一种有效的方法。为验证基于遗传蠕变理论构建的因子和CS算法对模型的提升效果,本文还将不同影响因子代入CS-BP模型进行效果比较,同时也将相同因子代入到CS-BP和BP模型当中对比。通过模型输出结果可以得出基于遗传蠕变理论构建的因子集可以有效提高模型的训练和预测效果,同时CS算法对BP神经网络模型的性能有着明显的优化作用。在构造合理因子和模型优化的基础上,本文研究建立开挖期间隧洞多测点模型。实例分析表明多测点模型不仅有着良好的预测精度,还可以综合的反映出隧洞围岩各点的变化规律情况,有着较好的整体性和抗干扰性,在引水隧洞开挖变形预测研究中有着较深的应用和推广价值。