高土石坝的安全性评价问题已日益引起了人们的普遍关注和重视,利用原位观测资料反馈分析大坝的实际工作性状是进行大坝安全性评价的重要手段,因而进行土石坝反演分析理论和方法的研究具有十分重要的意义。本文在广泛阅读国内外相关文献的基础上,对土石坝土体参数的反演分析方法进行了较为系统的研究,构造了基于神经网络和演化算法的土石坝位移反演分析方法。该方法使用神经网络模型代替大量有限元计算提高了计算效率,并使用高效、全局收敛的演化算法代替一般的优化算法进行神经网络的优化、训练以及模型参数的反演分析,使反演分析结果能够快速地逼近全局最优解。基于面向对象的编程思想,本文采用VC++语言编制了以训练样本为数据基础的土石坝位移反演分析程序系统DBA_EANN。以三峡茅坪溪防护土石坝的变形反演分析为例,研究了神经网络优化过程中演化代数以及训练样本数量对神经网络模拟能力的影响。对糯扎渡心墙砾石土料进行了多组室内常规三轴试验并使用现场载荷试验的结果进行了变形参数的反演分析,研究了该土料的变形特性。提出了在有限元计算中通过给定加载函数初始值的方法来描述坝料由碾压过程所致的初始超固结状态。上述工作为在糯扎渡工程的可行性研究中合理地确定心墙砾石土料的计算参数提供了依据。对在建的公伯峡面板堆石坝坝体沉降变形的现场观测结果进行了反演分析,并通过与室内试验结果的对比讨论了四种主要坝料在现场条件下的变形特性。上述计算结果验证了本文所建立的基于神经网络和演化算法的土石坝位移反演分析方法的有效性、合理性及实用性。