چکیده: مبنای اصلی و تعیین کننده در تحلیل پایداری، طراحی و ارائه سیستم نگهداری سازه های زیرزمینی، اطلاع از خصوصیات ژئومکانیکی توده سنگ سازه زیرزمینی است. روش های گوناگونی برای تخمین و یا تعیین این پارامترها وجود دارد که برخی از آن ها هزینه و زمان زیادی را صرف می کنند. یکی از روش های مورد توجه و قابل قبول در این زمینه استفاده از نتایج رفتارسنجی و تحلیل برگشتی به عنوان ابزاری برای تخمین مجدد داده های ورودی در حین اجرا و پس از احداث سازه است. روش های مختلفی برای تحلیل برگشتی ارائه شده است. روش های اصلی و ابتدایی شامل روش های مستقیم، معکوس و آماری می باشد. این روش ها زمان زیادی را صرف می کنند و البته دقت زیادی نیز ندارند. روش معکوس، فرضیات ساده سازی نظیر محیط یکنواخت، میدان تنش خطی و حفاری تک مرحله ای است. در واقعیت اما شرایط این گونه نیست. در روش مستقیم نیز بهینه سازی تابع هدف، مستلزم تصحیح متعدد پارامترها است که تصحیح هریک نیاز به حداقل یک محاسبه دارد. بنابراین حل عددی به خصوص برای مدل های بزرگ، زمان بر است. اخیرا برای غلبه بر این مشکلات روش های هوشمند تحلیل برگشتی ارائه شده اند. ساختگاه مورد مطالعه در این پژوهش تونل البرز می باشد. تونل البرز به عنوان بلندترین تونل راه ایران، یکی از تونل های مسیر آزادراه تهران-شمال است. پارامترهای ورودی برای انجام تحلیل برگشتی در این مطالعه به وسیله ی تونل اکتشافی حفر شده به موازات تونل های اصلی برآورد شده است. در این مطالعه 2 نوع سیستم تحلیل برگشتی برای تعیین پارامترهای ژئومکانیکی توده سنگ و شرایط تنش منطقه ای برای سه ایستگاه در سازندهای مختلف انتخاب شده است. با توجه به این که اکثر سازندهای عمده در تونل البرز از نوع تحکیم C می باشند، از این نوع تحکیم نیز در این مطالعه استفاده شده است. بدین منظور با استفاده از داده های حاصل از تونل اکتشافی و مطالعات زمین شناسی، مدل سازی عددی تونل البرز با نرم افزار FLAC3d برای تولید زوج-داده های ورودی-خروجی مورد نیاز برای طراحی سیستم تحلیل برگشتی هوشمند انجام شد. سپس 2 نوع سیستم تحلیل برگشتی الگوریتم بهینه سازی تجمعی ذرات (PSO) و ماشین بردار پشتیبان (SVM) برای انجام این مطالعه انتخاب شدند و پس از جستجو و بهینه سازی، پارامترهای توده سنگ را تخمین زدند. با استفاده از تحلیل حساسیت صورت گرفته مقادیر پارامترهای مدول الاستیسیته، نسبت تنش ها و پارامترهای مدل رفتاری هوک-براون به عنوان پارامترهای ورودی انتخاب شدند. استفاده از مدل رفتاری هوک-براون به دلیل آن که به نتایج واقعی نزدیک تر و برای تعیین آن ها از ورودی های بیشتری استفاده می شود، به عنوان مدل رفتاری در این مطالعه انتخاب شد. جهت بررسی عملکرد سیستم های هوشمند انتخاب شده، نتایج حاصل از تحلیل برگشتی با نتایج ابزاردقیق مقاطع مقایسه شدند. نتایج نشان داد که سیستم های انتخاب شده به درستی مقادیر مختلف توده سنگ را پیش بینی کرده اند. با استفاده از خطای محاسبه شده برای هریک از سیستم های هوشمند تحلیل برگشتی، مشخص شد الگوریتم PSO دارای خطای 7/1 درصدی و الگوریتم ماشین بردار پشتیبان (SVM) دارای خطای 75/3 می باشد. در نهایت نشان داده شد که الگوریتم تجمعی ذرات (PSO) عملکرد بسیار مطلوبی در تخمین پارامترهای ورودی سیستم تحلیل برگشتی دارد.