随着大规模工程建设的开展，在工程建设领域出现了越来越多的高陡边坡，而这些边坡又往往成为制约工程是否经济合理乃至成败的重要因素。因此，经济、安全、可靠的设计边坡工程和准确地分析评价天然边坡的稳定性，意义尤为重大。在边坡稳定性评价的各种方法之中，神经网络方法是一种有效而且准确的途径。针对该课题，本文对边坡稳定性评价的神经网络方法及神经网络的遗传优化进行了探讨和研究。 本文首先引入神经网络及遗传算法的基本概念，简要介绍了BP神经网络、自组织竞争神经网络及遗传算法的基本原理和特点，然后阐述了神经网络在边坡稳定性预测中的使用方法和遗传算法优化BP神经网络拓扑结构的基本方法。在上述基本原理和方法的基础上，本文详细介绍了如何进行学习样本的选择以及网络拓扑结构的优化方法。 本文采用自组织竞争神经网络对收集到的边坡样本进行归类，使学习样本的噪声大为降低。BP神经网络采用归类后的样本进行学习，使学习效率有了明显提高，网络的推广及泛化能力也得到了进一步加强。同时，BP神经网络拓扑结构的优化采用遗传算法编程实现。试验证明，优化后的BP神经网络在安全系数的拟合以及样本的误差分布方面均有明显的改善。 本文编制了可以通用的边坡稳定性评价程序。通过将该边坡稳定性评价程序应用于边坡实例的稳定性评价分析，得到的边坡状态与实际相符，准确度较高，用于计算边坡的安全系数误差较小。因此，在实际应用中只要找出合适的学习样本集合，即可使用本程序求解目标边坡的安全系数及边坡稳定状态。