针对土石坝压实质量评估存在实时性差、精确度低、泛化能力弱、训练数据不足、易受外部环境改变影响等问题，提出基于二进制多种群遗传算法的反向传播神经网络压实质量评估模型。通过调整传递激活函数，完善移民解更新机制，组合认知不确定性和偶然不确定性建立损失函数，解决了现场堆石料智能碾压评估中的小样本学习难题。研究表明：本文模型的评估性能优于9种对比模型，同时不确定性组合损失函数可提升模型的泛化能力和数据误差耐受度，具备在其他应用场景下的普适性和推广应用价值。