岩土工程计算中，力学参数的确定非常重要。在施工期间由反演获得的力学参数，反馈给设计人员，可以“及时修改设计，降低造价”。但是，在传统岩土工程反分析的研究中，需要考虑围岩的变形机理和运用围岩弹塑性本构关系，反演各因素之间的关系极为复杂，参数求解困难太大，有时不得不略去很多相关因素，使用简化的数学模型。而神经网络方法，具有较强的非线性动态处理能力，无需知道变形与力学参数之间的数学关系，就实现高度非线性映射，从而解决反分析问题，其较强的学习、存储和计算能力，特别是较强的容错特性，适用于从实例样本中提取特征，获取知识，能实现位移和力学参数间的非线性映射。本文以杭徽高速公路柳山隧道为实例，根据获得的隧道现场监控量测数据，对量测值进行数据拟合，并对残差进行统计分析，从而得到变形量测值的分布规律。另外，选用ansys8.1大型有限元软件为平台，建立起力学参数与隧道位移之间的映射关系，作为神经网络的分析样本。以这些样本为基础，通过网络的训练、学习等技术手段，构建参数和位移之间的非线型数学模型。接着，把变形值分布规律代入已构建好的非线性映射模型中，则反演出围岩的力学参数。最后，基于本文的反演结果，对围岩类别相同的断面围岩变形值进行了预测，结果表明预测值与实测值吻合较好。通过研究可知依靠神经网络可以直接建立起从量测数据和物理参数之间的函数关系。不需要技术人员掌握深奥的弹塑性力学理论和有线元理论，有利于基层技术人员的掌握和运用反分析技术。使今后进一步研究和应用提供了一个新的手段和方法。