本发明公开了一种基于多源数据融合和贝叶斯最大似然估计的围岩分级方法，涉及大数据分析技术领域。所述方法是一方面收集隧道勘察期及施工期的多源数据，并融合各类多源数据，获得了一套高质量的训练集，使得在优化训练集的基础上，提高了围岩分级模型的准确度，另一方面采用最大似然估计法训练数据集，得到贝叶斯围岩分级拓扑结构中各节点的概率分布，解决了数据集当中部分数据缺失及部分掌子面围岩级别误判所降低数据集质量的问题，从优化数据缺陷及减少人为主观性干扰数据集上提高了围岩分级模型的质量，最后通过稳固的贝叶斯数学理论知识，可以轻松判识出掌子面的围岩级别，并通过工程案例验证，该围岩分级方法的准确度高达93％。