与跨越江河湖海的其他交通方式相比,水下隧道有其独有的优势,因此近些年来在国内外发展迅速。修建水下隧道不同于陆域隧道,水压高,水源充足,又无天然出口,再加上地质勘探工作的不确定性,使得水下隧道的涌水问题远比陆域隧道严重的多,处理起来也困难的多。因此,针对水下隧道的特殊性,合理的涌水量预测是水下隧道防排水设计和施工措施制定的关键。预测方法的选择直接影响预测结果的精度,论文以铁道部科技开发计划项目—水下隧道渗流场分析及涌水预测研究为背景,以广深港客专狮子洋水下隧道为依托,把遗传算法与BP神经网络结合的GA-BP方法引入水下隧道涌水量的预测领域,重点进行了两方面的研究。(1)根据国内外有关水下隧道渗流涌水影响因素的研究成果及狮子洋隧道的相关工程实践经验,分析探讨了水下隧道涌水的影响因素。根据预测涌水量时选择影响因素的准则,确定了本文用于预测的六个影响因子。(2)分析了遗传算法与BP神经网络结合的可行性,并利用遗传算法优化BP神经网络的权值和阈值,从而建立了多影响因子的GA-BP预测模型。同时比较多影响因子的GA-BP和BP的预测结果,验证了前者改良了后者的局限性并提高了预测精度。结果表明,GA-BP预测模型收敛性能好、简单可行,该方法也为水下隧道涌水量的预测提供了一条新思路。