随着我国道路交通、水电建设以及矿产能源开发的深入发展，特别是西部大开发以来，修建的各种用途的隧道长度越来越长，跨度越来越宽，埋深越来越深，地质条件愈趋复杂，规模日益巨大，技术问题日趋复杂。而围岩的稳定性直接决定了隧道建筑的安全、稳定和正常使用条件，所以围岩稳定性的分析、评判及预测结果的正确与否直接关系到隧道建筑的成败。如果能够及时准确地预测评判围岩的状态，就可尽早地预见隧道失稳并采取相应的措施，使由于隧道失稳而造成的损失减少到最低程度。基于上述目的，本论文针对目前隧道围岩稳定性预测评判中存在着不能很好地剔除监测位移中影响隧道稳定性判定的虚假噪声，监测点不能完全紧跟掌子面步设致使隧道开挖后部分重要的前期位移释放值丢失，且没有充分利用多个监测点的位移监测资料的三个典型难题，在广泛查阅国内外有关隧道围岩稳定性研究、BP神经网络、基于克隆选择原理的免疫算法以及多传感器信息融合的文献资料的基础上，着重从围岩位移信息预处理、围岩位移值的前推修正与预测和多个监测点位移信息融合三个方面开展研究。在分析传统的信息预处理的方法不足的基础上，首次应用基于奇异值分解的信号处理方法对隧道围岩的监测位移信息进行降噪处理；然后针对BP神经网络的缺陷，将BP神经网络和基于克隆选择原理的免疫算法改进并结合提出免疫克隆BP网络，对隧道围岩的监测位移进行前推修正和预测；在此基础上，依据改进的基于克隆选择原理的免疫算法和信息融合理论提出了基于免疫克隆算法的信息融合方法及围岩多点监测位移信息融合结构模型，结合近年来提出的变形速率比值法，对隧道围岩多个监测点的位移信息进行了融合处理和综合分析，提取了能反映隧道围岩整体状态变化的综合位移信息，并以此来预测评判隧道围岩的稳定性；最后，用毛尔盖水电站隧道工程实例对本文提出的各种方法进行了验证、分析和总结。实例结果表明，本文提出的针对监测位移的降噪方法具有较好的降噪效果，提出的针对位移监测信息的前推修正和预测方法具有较高精度，提出的针对多点监测位移信息的融合方法也具有较好的融合能力，且在此基础上对围岩状态的评判有较高的准确度。本文的研究成果丰富了隧道围岩稳定性的分析评判理论，为隧道围岩稳定性的评判提供了新的理论、方法以及有效可行的途径。