岩体完整性是评价岩体质量的重要指标,弹性波勘探技术是实现岩体完整性分析的有效方法之一。为了克服传统评价过程中采用经验公式存在主观性过强和精细度不够的问题,本文依据实际工程数据,结合机器学习算法对水工地质岩体完整性进行深入研究,提出新的指标用于量化岩体完整程度并将其用于岩体质量分级系统的修正,主要研究内容和研究成果如下:（1）在总结多个岩体完整性指标、岩体质量评价方法和弹性波影响因素相关研究的基础上,充分考虑声波与岩体完整性、岩性以及水文地质等因素之间的联系,选取了声波接收器位置深度、卸荷状况、水文地质、埋深和岩性作为研究分析所需的参数。根据规范要求,给出了各参数的计算方法以及弹性波的测试规定;对相关的勘探数据进行了整理,提出了相应的数据预处理方法;开发插件读取DWG格式数据点坐标,并利用坐标间关系将其转化为所需参数,编写程序将不同类型的XLS数据转化为统一格式,为后续数据分析与算法建模提供基础数据。（2）基于加权随机森林算法与岩体对穿声波波速数据,建立了一套多尺度岩体完整性智能评价算法,并提出了一种新的岩体完整性评价指标（Multi-scale Rock Mass Integrity Index,MRMII）。通过计算算法的评价结果中各类岩体完整性比例,可得到MRMII值。通过实际工程应用,MRMII值与勘探数据吻合良好,并且能够对岩体完整性进行不同尺度的精细化评价。此外,相较于传统弹性波测试方法,该指标可以减小测量误差和工程师经验不足对分类结果的影响,获得更适合指导工程建设的评价分析结果,这也为工程人员提供了新的参考依据。（3）利用MRMII指标和岩体完整性指数KV替代RQD（Rock Quality Designation）和节理间距以修正传统的RMR（Rock Mass Rating）评价体系。采用回归分析,对比分析确定了MRMII指标和岩体完整性指数KV的评分值与岩体完整程度的相关关系,分别建立了RMRM和RMRS两种岩体质量评价体系。将上述评价体系应用于实际工程,RMRM能够更加客观精细地表征岩体的完整程度与质量;同时考虑工程应用特性,RMRS可作为RMRM的一种简化应用方法。结果表明修正的RMR评价体系能够对岩体质量进行精细化评价,这也为岩体精细分级提供了一种有效的辅助手段。