嵌岩桩的承载力作为衡量嵌岩桩桩基质量的重要指标，一直备受人们的关注。但由于桩土作用的复杂性、材料的非线性和影响因素的多样性，嵌岩桩承载力的预测一直存在很多未解决的问题。 本文将遗传算法的全局搜索能力和BP神经网络的高次非线性能力结合，应用于嵌岩桩竖向承载力的研究中，尽可能多的考虑影响因素的作用的同时，充分考虑到材料的非线性。两种算法的结合，避免了BP神经网络收敛于局部极值，使神经网络更快找到全局最优解；并分析出影响嵌岩桩承载力的主要因素有桩长、桩径、嵌岩深度、桩端岩石的性状、桩侧土的性状、施工工艺；再从济南地区26个工程中挑选出67棵试验桩，利用这些现场实测资料，建立起了预测嵌岩桩单桩竖向承载力的遗传BP神经网络模型，并证明了该模型的准确性。 运用该模型对嵌岩桩承载力的影响因素进行了分析发现：在给定条件下，运用遗传BP神经网络模型可以分析单个影响因素与嵌岩桩极限承载力的关系；本地区嵌岩桩的极限承载力随着长径比和嵌岩比的变化一直在变化；本地区在一给定场地条件下，最优长径比、最优嵌岩比是存在的，但当岩土等场地条件改变后，最优长径比、最优嵌岩比是改变的。 在遗传BP神经网络模型的基础上，建立嵌岩桩单桩竖向极限承载力的优化模型。在场地条件一定的情况下，优化得出最大极限承载力及对应此承载力的桩径和嵌岩深度，为嵌岩桩的设计提供新的思路；编写了最小造价优化程序，通过分析桩径、嵌岩深度与极限承载力的关系曲面，可以找到满足承载力要求且造价最低的桩径和嵌岩深度；最后编写了界面化可执行程序，使优化模型可方便的应用。