隧道突水突泥一直以来都是隧道施工过程中的重大难题,突水突泥可能会导致隧道工期延误,造成巨大的财产损失,甚至还可能成为隧道塌方的诱因,导致人员伤亡,施工机械损坏,对整个社会造成不利的影响。过往的研究表明,地质构造、地下水源和开挖扰动成为深长隧道突水突泥灾害发生的三大原因。为了保障隧道施工的安全性,减少不必要的财产损失,加强对隧道突水突泥前兆信息的研究是十分必要的。在隧道施工过程中,综合分析隧道突水突泥灾害诱因,预测突水突泥发生的可能性,采取针对性的控制措施,从而保障隧道的顺利施工和人员的安全。本文以江西钟家山隧道为依托工程,通过收集工程中突水突泥灾害发生时的现场数据,运用BP神经网络对深长隧道的突水突泥前兆信息进行预测,并采用数值模拟的方法对隧道突水过程进行了分析,论文主要完成了以下几方面的工作：(1)根据国内外有关深长隧道突水突泥涌水量预测的研究,探讨了深长隧道涌水预测过程中的影响因素,结合钟家山隧道现场的施工情况,确定了涌水量预测的六个变量参数。(2)依据钟家山隧道施工过程中采集的数据,利用BP神经网络建立突水突泥的灾害预测模型。通过对现场观测点涌水量的预测,验证了该预测模型的有效性和正确性。(3)运用MIDAS和FLAC3D数值模拟软件对深长隧道的突水情况进行数值模拟分析,研究了隧道突水前兆信息的演化规律,分析了隧道开挖过程中渗流速度、渗透水压力、孔隙水压力的变化情况。