本文先对国内外隧道发展及研究现状进行了简要的介绍,再对国内隧道工程存在的问题展开分析,发现隧道所处环境及相应的地质条件对隧道围岩稳定性影响很大。由于隧道围岩是多种地质条件相互结合的综合体,而这些影响因子关系复杂,很难用一个精确的数学表达式来描述它们对围岩稳定性的影响方式和程度。为此,本文将利用粗糙集(RS)和BP神经网络(BPNN)对隧道围岩的稳定性进行分析和预测。本文从文献中搜集了多组围岩分类数据,影响因子主要包括岩石完整性、地下水渗水量、岩体天然应力状态、岩石质量指标及地质结构;以粗糙集理论为基础,并借用MATLAB为计算工具,对隧道围岩稳定性的影响因子进行了分析,结合分类规则及近似集的提取结果,再计算各个属性因子对决策结果影响能力的权重。结果表明,当某项地质条件较为特殊时,各个影响因子的权重会发生相应的变化,对围岩分类也会产生一定的影响。因此在对隧道围岩进行分类时先要综合考虑该隧道所处的地质环境是否存在特殊情况。在上述计算结果的基础上,利用BPNN建立围岩稳定性预测模型,取16组数据为训练样本,用3组数据作为预测样本,分两次进行预测,预测结果与真实值比较吻合。用RS理论对隧道围岩稳定性影响因子进行权重分析,为隧道维稳选取对策措施方面提供指引;用BPNN对隧道围岩稳定性分类进行预测,能快速有效地得出围岩等级,且和真实稳定状态十分接近;通过将两者有机地结合在一起,能为隧道的安全设计提供了理论依据,同时也为隧道事故的预防提供有力的保障。