位移反分析法作为一种确定岩土工程计算参数的新型分析方法,自问世以来因其强大实用性而备受关注,在许多工程中得到了应用,但是传统的位移反分析法也存在计算复杂和反演效率低等问题。智能位移反分析法被提出来克服这些缺点,该类方法通过将人工智能方法与传统位移反分析法结合,可同时完成对岩体力学参数的估计和本构模型的辨识,相比传统方法具有简便实用、计算精度高等特点。本文以浙江金华里岩垄坑1号隧道工程为依托,采用Midas/GTS有限元模拟,基于神经网络和粒子群优化算法对智能位移反分析方法及其应用开展了如下工作:(1)从人工神经网络和粒子群优化算法的基本原理出发,针对BP神经网络和PSO算法易陷入局部最优的问题,在惯性权重随算法运行状态发生变化的同时对粒子位置进行自适应变异,改进标准PSO算法并利用改进算法优化BP神经网络权值和阈值,通过对改进PSO-BP算法进行非线性函数拟合实验,验证改进算法的有效性。(2)提出一种基于改进PSO算法和神经网络的智能位移反分析方法,采用正交和均匀试验设计方法确定试验方案,通过Midas/GTS建立隧道有限元计算模型获得BP神经网络的训练样本,利用改进PSO算法对BP网络进行训练,建立起待反演参数与实测位移间的非线性关系,并搜索最优反演参数。随后将此方法应用于里岩垄坑1号隧道围岩力学参数反分析中,验证所建立的智能位移反分析方法的有效性和可靠性。(3)基于里岩垄坑1号隧道位移反分析结果,采用有限元强度折减法对不同的导坑形状、跨度和中导洞分块方案下的隧道稳定安全系数进行计算,通过对不同工况下的安全系数进行对比分析,确定里岩垄坑1号隧道的最优双侧壁导坑设计方案。本文结合工程实际,基于神经网络和改进PSO算法建立了一种新型实用的智能位移反分析方法,为反分析方法在工程预测、动态反馈设计和可靠度评价等方面的推广应用奠定了技术基础。