为了克服传统CSMR法在露天边坡岩体质量评价中遇到的取值边界模糊、标准不统一等问题,从方法本身和数据收集两个方面对其进行了改进和精细化处理,使岩体质量评价更加贴合现场实际情况,评价结果更加准确。数据收集以标准的钻孔岩心编录与岩体结构面测绘为基础,收集了RQD、裂隙率和结构面产状、形态、粗糙度、充填物及其厚度等基础数据,并通过岩石力学试验得到岩石的物理力学参数,让数据收集过程精细化。CSMR法的改进和修正主要基于现场应用过程中面对岩体条件取值主观性强和复杂岩体适用性差的问题,结合专家学者研究成果和评价过程中创新性的方法综合考虑,确定CSMR法中RMR值为不进行结构面修正的值,并将RMR分级参数中的单轴抗压强度、RQD、节理间距指标按照取值区间将原来固定取值变为分段函数取值,结果更加精确;CSMR法中F₃值由原来的0、6、25、50、60改为0、6、10、25、30,使分级结果更加合理;F₁、F₂、F₃值选用拟合效果好、精度高的Boltzmann模型进行拟合,得到取值的连续函数,避免了取值边界和主观性问题;结构面条件系数按照结构面发育规模和结合程度两个标准维度进行了细化,使取值过程更加简单明了;面对多组结构面的复杂岩体,采用加权平均法对结构面方位系数进行修正。以七星塘铜矿为工程实例,按照数据收集和CSMR法的精细化处理方法对各分区的岩体进行了评价,得到了精细化CSMR值,同时对节理岩体的RMR法和传统CSMR法进行了评价,并进行了对比,对比结果显示精细化CSMR值与RMR值相差较大,偏差率平均为-8.70%;传统CSMR值大于精细化CSMR值,平均偏差率为-2.42%,偏差的产生主要体现在精细化处理方法对取值过程的影响并使结果更具有适用性。同时以RMR值为基准,RMR值与精细化CSMR值相关性系数0.9743大于RMR值与传统CSMR值相关性系数0.9597,说明精细化CSMR值较传统CSMR值更精确。另外通过对七星塘铜矿矿山的和其他矿山岩体数据的收集和精细化CSMR取值,创新性地将精细化CSMR值、岩石的粘聚力和内摩擦角以及岩体的粘聚力和内摩擦角建立联系,通过BP神经网络方法预测岩体的粘聚力和内摩擦角。文中将65个样本分为55个训练样本,10个为校核样本,通过BP神经网络方法的预测和对比,岩体粘聚力预测值与实际值误差率平均值为2.84%,岩体内摩擦角预测值与实际值误差率平均值为1.18%,说明预测效果较好,能够将精细化CSMR值、岩石的内聚力和内摩擦角作为预测岩体内聚力和内摩擦角的条件。通过精细化CSMR值以及岩石多条件进行岩体抗剪强度神经网络辨识的研究较少,具有较好的参考意义。图36幅,表46个,参考文献79篇