由于地层分布变异性、测量误差等不确定性的存在,基坑开挖分析模型的参数(如土体参数)经常用随机变量来表示。由于现场勘察过程中获取的勘探数据非常有限,确定模型参数的概率分布十分困难。贝叶斯方法为解决这一问题提供了一条有效途径,它可以利用开挖过程中易于获取的现场监测数据反分析出模型参数的分布。常用的贝叶斯反分析模型参数的方法有两种:第一种是将开挖各阶段的监测值逐一对模型参数进行更新,即分步更新,但是这种方法在更新过程中需要对后验分布的类型作出假设,如正态分布;第二种是将开挖多阶段的现场监测值作为整体一起对模型参数进行更新,即整体更新。分步更新中后验分布假设对更新结果的影响规律未知。在贝叶斯反分析模型参数的过程中,经验模型或半经验模型因其高效性而被用于计算模型响应。但由于任何模型都只是实际的一种近似或者简化,总是存在模型不确定性,因此模型计算值与实测值之间需要引入模型偏差系数。事实上,模型偏差系数与模型参数(如土体参数)之间存在相关性,模型参数的更新不能独立于模型偏差系数,同时更新模型参数和模型偏差系数十分必要。如何根据监测数据同时更新模型参数和经验模型的偏差系数是一个亟待解决的关键问题。本文围绕上述问题开展研究,首先对基于贝叶斯理论的模型参数反分析方法进行了比较研究,然后对贝叶斯反分析方法进行了改进,提出了同时更新模型参数和模型偏差系数的贝叶斯方法。主要工作如下:(1)对比了现有的计算开挖问题响应的经验或半经验模型,指出了 KJHH模型的优越性。(2)采用TNEC开挖案例对比分析了模型参数分步更新和整体更新方法,揭示了分步更新方法中后验分布类型假设对模型参数更新结果的影响规律。(3)提出了基坑开挖同时更新模型参数和模型偏差系数的贝叶斯方法。通过工程实例说明了所提方法的实用性和适用性。本文首先简要介绍了本研究的背景和目的,随后介绍了贝叶斯反分析方法的基本理论及计算方法,对比分析了模型参数分步更新和整体更新方法,并提出了基坑开挖同时更新模型参数和模型偏差系数的贝叶斯方法。最后采用工程实例说明了本文所提方法的实用性和适用性。