本发明公开了基于PSO‑GRNN模型的大坝渗透系数反演方法，包括步骤1、选取反演分区；步骤2、选取渗透系数范围；步骤3、构建正交学习样本；步骤4、选取目标水头监测点；步骤5、计算渗压水头值；步骤6、构建GRNN学习样本；步骤7、训练GRNN；步骤8、预测；步骤9、反演。本发明利用GRNN只需要确定唯一的参数光滑因子σ的特点，克服了传统学习算法结构设计复杂、参数敏感等缺点，且GRNN在样本数据较少时也具有良好的预测效果。同时，引入收敛速度快、全局寻优能力强的粒子群优化(PSO)算法，在保证模型预测精度的同时加快模型的收敛速度。从而能有效反演渗透参数，为大坝渗流特性分析提供可靠地支撑和依据。