初始地应力场是地质环境和地壳稳定性评价的重要基础资料，它不仅是决定岩体稳定性和区域稳定性的重要因素之一，而且往往会对各类建筑物的设计和施工造成直接的影响，长期以来，工程区的初始地应力场分布特征一直是工程界和学术界研究的重要内容之一。 现场地应力测试是提供地应力场最直接的途径，但往往存在地应力测点相对较少、量测成果常会有一定程度的离散性等问题，因此，以有限的现场实测地应力数据为基础，利用数理统计方法结合有限元计算进行反演分析就成为研究区域初始地应力场的另一种有效途径。而人工神经网络以其强大的非线性拟和能力，适宜于求解岩体的应力、变形与工程地质条件之间复杂的映射关系。 本文首先从初始地应力场的形成入手，分析地形特征、地质构造特征等因素对初始地应力场分布的影响；然后简要分析初始地应力量测中各种干扰因素对量测结果的影响，在此基础上分析了提高地应力量测结果精度的途径；最后，结合广东第五抽水蓄能电站工程实例，采用神经网络与有限元分析相结合的方法，利用BP神经网络结构和ADINA有限元程序建立岩体参数、边界条件与地应力场的映射关系，探讨了利用这一方法反演初始地应力场的可行性及先进性。 此外，在计算过程中，本文采用正交试验方法构造学习样本，在保证了网络预测准确性的前提下减少了试验次数；同时将灰色系统理论中的后验差检验方法应用于神经网络的训练效果检查，达到了量化检验神经网络预测能力的目的。通过模拟计算与实测结果的对比，结果表明本文所采用的方法进行初始地应力场反演计算是可行的，计算结果是合理的，在类似工程建设中具有一定的实用价值。