在土石坝的设计与运行阶段，利用原型监测资料反馈大坝的实际工作性态，是优化大坝设计方案、检验设计理论、评价大坝安全的重要途径。渗流问题是影响土石坝安全稳定的重要因素，而渗透破坏是土石坝最常遭遇的问题。因此，进行土石坝渗流反分析理论和方法的研究具有十分重要的意义。针对野外现场试验测定的渗透系数带有很大不确定性和随机性的问题，有必要采用现场试验与室内计算相结合的方法反演土石坝的渗透系数。本文从该角度出发，利用近几年来发展起来的现代优化智能计算方法：人工神经网络和模拟退火算法，用于土石坝各部分材料渗透系数的反演。主要研究内容和成果如下：　　 (1)提出用模拟退火优化人工神经网络的算法。研究了人工神经网络及模拟退火算法的原理，针对神经网络存在许多不足之处，提出了基于模拟退火神经网络的混合算法以及加速收敛策略，通过模拟退火算法调整网络的参数和优化网络的结构，提高网络运算的效率和稳定性，使网络具有全局搜索的能力。　　 (2)建立土石坝的渗流反分析模型。根据现场监测的测压管水头资料与渗透系数之间存在非线性关系，采用神经网络建模的方法，实现函数关系映射。运用大坝渗流观测点的监测数据，采用MALAB软件分别编制了模拟退火神经网络算法和BP神经网络算法的计算程序，反演土石坝各区域的渗透系数。　　 (3)对所建立的土石坝渗流反演模型进行工程应用与实例分析。从工程监测资料中筛选出敏感性较大、能准确反映渗流场变化趋势的测点数据，采用模拟退火神经网络算法和BP神经网络算法进行渗透系数反演。基于两种算法渗透系数反演计算的结果，与原勘测设计值进行比较，结果表明：基于模拟退火神经网络算法反演的渗透系数拟合与预测精度比BP神经网络算法高，具有更好的实用价值。　　 (4)基于土石坝渗流反分析的结果，采用ADINA软件建立大坝的渗流有限元正分析模型，对工程实例进行渗流场正分析计算，检验大坝实际工作运行状态，并对大坝进行安全评价。