举世闻名的龙门石窟位于河南省洛阳市城南13km，龙门石窟始凿于北魏(公元494年)，历经东魏、齐、北周、隋、唐和北宋，前后达400多年，龙门石窟现存大小窟龛2345个，佛塔40余个，碑刻题记3600余块，造像10万余尊代表了中国石刻艺术的最高峰。龙门石窟丰富多彩的雕刻艺术，为中国古代佛教历史及雕刻艺术的研究提供了重要的物质资料。在1961年，龙门石窟被国家文物局列为第一批文物保护对象。2000年，龙门石窟被列为世界文化遗产。　　 1500多年以来，龙门石窟不仅遭受了人为地破坏，还面临着自然营力正加剧着地质环境的不断恶化对石窟的破坏。最近20年随着环境的不断恶化，地质病害已经在不断加剧。为了加强对龙门石窟珍贵文化遗产的保护，联合国教科文组织决定在潜溪寺、皇甫公窟和路洞进行保护工程试验。　　 龙门石窟存在各种环境地质病害，如渗水病害、岩溶病害、凝结水病害、风化剥落等等。凝结水对石窟的危害主要是如下三个方面。首先，在流动和蒸发过程中，凝结水与洞壁岩体相互作用，在洞壁上以结品形式保留其运动的轨迹，使洞壁留下明显的不规则片状或条状白色沉淀痕迹，对石窟造成污染。其次，凝结水富集的部位孳生微生物病害。最后是水份在窟壁的反复凝聚和蒸发，降低了洞窟岩体表层的强度，加剧了岩体风化。　　 为了确定凝结水在龙门石窟潜溪寺的凝结量及凝结速率从而为今后的保护治理工程提供依据，为此笔者在龙门石窟潜溪寺做了三年的凝结水定量测试实验。并对龙门石窟潜溪寺凝结水的影响因素和形成机理做了专门的研究。采用中国地质大学专门针对凝结水采集而研制的仪器测定了凝结水的凝结量及凝结速率，并在导师的指导下不断追求实验仪器的改进及实验方法的创新，增强了采集数据的准确性。同时，对凝结水的分布面积也做了详细的记录。根据凝结水的分布面积及凝结速率，能计算出凝结水的总量。　　 通过现场试验，可以得到潜溪寺的凝结速率，但由于现场试验的难度如试验点位置的确定、仪器的安装等限制使得在其他石窟中进行试验有一定的难度。所以对潜溪寺现场采集的数据进行深入的分析对研究其他洞窟的凝结水变化规律有着非常重要的指导作用。凝结速率的变化主要受环境因子变化的影响，而环境因子变化所对应的凝结速率变化的规律性很复杂，所以对凝结速率的定量研究是一个高度非线性的问题。然而，神经网络对解决高度非线性问题有较好的映射能力，尤其是近年来神经网络模型在岩土工程领域的成功运用，故尝试着运用神经网络的非线性映射能力对凝结水的凝结速率进行预测研究。然后通过凝结速率、凝结时间以及记录的凝结面积进行总量的计算。　　 凝结速率的变化主要受窟内空气温度、湿度以及岩壁温度三者的影响。本文采用BP神经网络对凝结速率进行预测，该网络分三层即输入层、隐含层、输出层。通过输入已测得的数据进入建立好的网络进行学习，然后再选择已知的样本输入网络，看其输出与实际值的误差，从而检测网络的准确性。选取某一凝结段做凝结水采集试验测出凝结速率，并监测采集该凝结时间段内潜溪寺窟内空气温度、湿度以及岩壁温度数值。将该时间段内三者各自的平均值组成神经网络的输入向量，测得的凝结速率作为该组输入向量所对应的输出。数据样本全部来源于潜溪寺现场采集的试验数据。在应用BP网络解决该问题的过程中，选择多少层网络，每层多少个神经元节点，选择何种传递函数，何种训练算法等，均无可行的理论指导，只能通过大量的试验计算获得。这无形中增加了研究工作量和编程计算工作量。在目前工程计算领域较为流行的软件MATLAB中，有专门用于神经网络开发与应用的神经网络工具箱，涵盖了神经网络基本的常用模型，集成了多种学习算法，这使它在神经网络应用方面更为方便，本文采用MATLAB软件来实现凝结速率的预测。根据现场调查、现场实验研究及神经网络预测得到结论如下：　　 1、龙门石窟凝结水主要出现在潜溪寺、宾阳三洞等大型洞窟之中，且凝结水在窟内的分布范围主要是在窟壁的下部和地面上。其中以洞窟的正壁底部最为严重。　　 2、凝结水的分布范围距地表有一定的高度，潜溪寺内水线的最大高度可以达到6.5m。凝结水在壁面的悬挂附着状态通常呈现水珠状散布状态，水珠直径最大可达豆粒大小(3～5mm)。凝结水的发生集中在5～10月。5月以前不明显，7、8月比较突出，9月较少出现，10月以后基本不再出现。　　 3、龙门石窟凝结水病害的影响因素主要有洞口窟檐的修建、通风性能、窟内渗水、岩性、凝结核以及石窟区的人工水面。　　 4、过大湿度的存在是凝结水形成的内因，而洞窟内外的温差变化、通风状况等是凝结水形成的外因。通过在岩壁安装温湿度计采集数据，计算得到的露点温度可以比较准确的判断凝结水的凝结时间段。　　 5、潜溪寺凝结水单位面积的平均凝结速率为6.782～53.7504g/m2·h，其量相当可观；在相对湿度较大、岩壁与气温温差较大的条件下，容易形成凝结水。　　 6、北壁在凝结速率上小于南壁，同时从实际观测也可以发现南壁的水线上升高度总体上都比北壁高。这与南壁的渗水比北壁严重密切相关，南壁的渗水聚集在南壁地面为水汽的凝结提供了水汽来源。　　 7、神经网络模型对凝结速率的预测结果相对误差大部分在-2～6％之间，预测精度相对较高。BP神经网络对凝结水凝结速率的预测是凝结水定量研究的一个新方向，具有很强的创新性和实践意义。