大坝运行期间积累了丰富的变形监测数据，利用实测变形值反演分析坝体与坝基材料参数，进而分析大坝的应力状态和整体稳定性，并对坝体变形进行预测预报是目前评价大坝安全的重要手段之一。优化反分析法是岩土工程问题反分析中较常采用的方法，对于大坝反分析而言，待反演的参数往往比较多，单次正分析过程耗时比较长，应用优化反分析法时存在反演时间长、结果难于收敛等局限性。针对这些局限性，本文提出了将均匀设计理论、BP神经网络和遗传算法三者结合起来用于大坝反分析的新方法。首先对基本遗传算法进行改进，使得改进后的遗传算法既能寻找到全局最优解，又具有很好的局部搜索能力，将它作为BP神经网络的学习算法，形成遗传神经网络，克服BP算法容易陷入局部最优解的缺陷。然后用均匀设计方法设计大坝坝体和坝基的材料参数样本，应用有限元正分析得到坝体的计算位移样本，训练遗传神经网络映射坝体计算位移值与材料参数之间的复杂非线性关系。最后将实测位移值输入训练好的遗传神经网络，即可得到各参数的反演值。本文以清江隔河岩水电站重力拱坝为例，反演分析了坝体混凝土的弹性模量、线膨胀系数以及坝基主要岩体的弹性模量等参数。 经检验、评价与对比验证，结果表明该方法可以大大地缩短反分析时间，提高反分析效率和准确性，可以很好地应用于大坝反演分析工程实际。