掌握土石坝不同时期渗透系数变化情况是准确分析其渗流场及运行状态演变的重要保障。本文基于长期监测资料,对长期运行下土石坝渗透系数的变化规律展开研究,建立渗流场有限元模型,结合数值计算及参数反演,计算获得土石坝渗透系数的变化情况,基于反演得到的数据规律,建立渗透系数预测模型,分析后期变化。本文首先采用有限元方法对不同渗透系数样本组合进行渗流计算,得到各渗透系数组合对应计算渗压值,形成“渗透压力-渗透系数”初始样本组。在此过程中,为了研究土石坝渗透系数在各方向的变化及整体动态,本文考虑了各向异性渗透系数及等效平均渗透系数两种分析情况,分别计算获得初始样本组。构建RBF神经网络反演模型,采用两种分析情况下的初始样本组分别训练该模型,在形成“输入-输出”的映射关系后,输入渗透压力的长期实测资料,得到不同时期的渗透系数。在此基础上,基于数理统计理论,对计算获得的渗透系数序列建立两种分析情况下的预测模型,分析坝体渗透系数的变化规律。以某均质坝为例详细论述研究方法的实现过程。实例分析表明,两种分析情况下,RBF神经网络模型的训练误差均能很快收敛,将反演得到的渗透系数代入渗流场有限元计算,得到的计算渗压与实测渗压均保持较小误差,说明反演结果可以准确计算出渗流场状态。在各向异性渗透系数分析情况下,该坝水平渗透系数变化较小,垂向渗透系数在正常范围内变大并趋于稳定;在等效平均渗透系数分析情况下,该坝等效平均渗透系数逐年变大并趋于稳定。由渗透系数预测模型应用情况可知,两种预测模型拟合误差均较小;将预测渗透系数代入有限元计算,得到的渗压与后期实测渗压误差很小,说明模型可以准确预测坝体渗透系数的变化情况。研究结果表明,本文研究方法合理可行,反演及预测效果理想,可以有效掌握土石坝各向异性渗透系数及等效平均渗透系数的变化规律。