从系统角度来看，基坑工程是一个复杂的巨系统，人们对其进行的各种施工活动，均可看成系统输入，而人们量测到的位移、变形破坏则为系统对输入的响应，即系统的输出。
而反分析则是根据一个灰色系统的输出确定输入的过程，也可以看成由系统的输出到输入的映射。而人工神经网络（ArtificialNeuralNetwork，简称ANN）是一个复杂的非线性动态系统，具有大规模的并行处理和分布式的信息存储能力、良好的自适应性、很强的学习联想、容错性和抗干扰能力，几乎可以模拟任何复杂的非线性系统。
图1-1基坑工程系统示意图
用神经网络建模不需要知道变形与所求参数之间的关系，通过样本学习和记忆，就可找出输入（岩土体力学参数）与输出（位移）之间的非线性特征关系。
基坑工程计算中较多采用三层BP网络模型。神经网络具有很强的非线性映射能力，数值模拟具有很好的定量分析能力，两者结合起来是位移智能化反分析的一条有效途径。
本文进行基坑岩土体力学参数的位移反分析研究主要综合运用了正交试验法、有限差分法以及BP神经网络方法。根据正交试验对各土层土体力学参数进行分组设计，运用有限差分软件FLAC3D对基坑开挖工况进行模拟计算，根据计算结果构建BP神经网络训练样本，采用BP神经网络模型进行土体力学参数的位移反分析研究。
