本文结合国家863计划项目“空间数据挖掘的神经网络技术研究”(N0.2007AA122228)展开研究。　　 遗传神经网络是利用遗传算法对神经网络进行优化，实现神经网络和遗传算法的优势互补。本文设计开发了优化神经网络结构的遗传神经网络软件并通过工程案例对该软件进行了验证，取得了良好效果。具体研究内容和结论如下：　　 (1)在MATLAB环境下，完成了遗传神经网络软件的编写，实现了遗传算法对神经网络结构的优化。该软件主要分为两个功能模块——遗传搜索模块和BP网络训练预测模块，本文对两个模块的具体实现进行了详细的阐述，并介绍了软件的使用方法。　　 (2)对传统遗传算法中常用的适应度函数进行了创新性改进。在本模型中，适应度函数由两部分组成，第一部分反映网络的学习进步能力，用fit_1表示，第二部分反映网络的预测能力，用fit_2表示。最终的适应度为两者的加权平均值。　　 (3)利用模拟数据对适应度函数的三个参数进行确定，三个参数分别是：训练次数参数Ntraintime、训练比例参数Rtrain和权重参数P1fitness。本文经过多次试验分析，确定了这三个参数的取值范围：训练次数参数Ntraintime取值范围建议在20-30之间；训练比例参数Rtrain建议取值范围为1/3-2/3之间；权重参数P1fitness建议取值范围为0.1-0.9之间。　　 (4)对基于改进适应度函数的遗传神经网络模型和基于传统适应度函数的遗传神经网络模型进行了检测和比较，发现改进后模型明显优于传统模型；传统适应度函数在优化神经网络网络结构时失效，而改进后模型可以实现网络结构的优化。　　 (5)分别用大坝垂直位移变形数据分析、地面垂直变形监测点数据分析、地壳变形分析等三个工程案例对遗传神经网络软件进行了检测：在大坝垂直位移变形分析中，软件预测精度达到：±0.210mm；在地面垂直变形监测点数据分析中，软件预测精度达到：±5.07mm;在地壳变形分析中软件预测精度达到：±0.530级。同时，不同神经网络结构的运行效果表明，软件能够优化网络结构，该算法具有稳定性和工程实用性。