在当前工程建设大发展的时代,水利水电、公共交通和能源矿业的建设及安全维护逐步进入日趋复杂,精准评估大型岩质边坡和地下岩体工程结构的稳定性是设计科学合理的支护体系、预防地质灾害和工程事故重要前提。天然岩体中节理裂隙发育,其变形、失稳很大程度上由岩石节理的变形、滑移和破坏控制,因此精准预测岩石节理的变形和破坏具有重大意义。当前理论模型的发展迅速,但是普遍面临样本单一,仅对实验样本具有较高的精度,缺乏可迁移性的缺陷。因此获取更精准、更具鲁棒性的模型预测和评估岩石节理剪切的力学和变形特性是必要的。本论文分析了影响节理剪切特性的诸多因素,在此基础上采用人工智能技术进行预测和评价。本文通过收集以往学者的剪切实验,获取了更大的样本规模,通过交叉验证算法获取稳定拓扑结构,利用MBGD、Adam和RMSprop算法优化BP神经网络,进而预测剪切力学性质。为进一步拓宽模型的适用范围,本文通过不同含水率岩石节理的直剪实验,模拟岩质边坡在处于短期和长期雨水浸泡下的力学特点,分析了初始起伏角（4）)、法向应力（）和含水率（）对红砂岩节理的强度、变形特征和破坏模式的影响,并将PCA算法和BP神经网络算法相结合预测不同含水率下抗剪强度。本文主要有以下发现:（1）根据二维抗剪强度模型和三维抗剪强度模型测试结果,相较于重构输入参数,原始参数更易于模型的特征提取,预测准确性更高,并且显著优于理论模型。两类模型的单因素敏感性分析结果显示法向应力是影响抗剪强度的最重要因素。（2）通过剪切过程全曲线预测结果分析,神经网络模型有效反映出实验特点:随法向应力和粗糙度增加,峰值剪切应力和残余剪切应力增加;随法向应力增加剪胀减小。（3）红砂岩遇水软化显著,单轴抗压强度、抗拉强度和弹性模量与含水率呈现负指数函数关系。并且随增加,红砂岩节理峰值剪切应力和凸起对抗剪性能的贡献系数降低;当4)、和增加,节理面凸起由表面磨损向啃断破坏过渡,并且横断面凸起的破裂位置由上部向根部转移,破坏面积和破坏体积增加。最后比较PCA＿BP神经网络和BP神经网络预测抗剪强度的性能,PCA＿BP神经网络的测试精度跟高,模型结构更加简单。