近几十年来，国内外许多学者对高速公路软土路基沉降预测方法开展了大量的研究工作，并取得了一定的成果。但是由于软土自身工程特性以及沉降情况极为复杂等原因，所得工后沉降预测结果与实测沉降值之间存在较大差异，预测精度较差。因此，需要对软土路基沉降预测方法作进一步的研究。 本文选择YJ高速公路CS段六个典型断面的实测沉降数据作为研究对象，应用传统方法对实测沉降过程进行预测分析。在实际工程中发现，传统方法的预测精度较低。 文中对神经网络BP算法做出一些改进，给出将附加动量法和自适应学习率法相结合的算法，以此来改善神经网络的收敛速度。通过工程实例表明，应用神经网络改进算法预测工后沉降是可行的，对BP算法作出的改进也收到了成效，预测精度较传统的预测方法得到了提高。 提出了一种新颖的BP神经网络预测模型，其构造模式为5×N×1，构造函数为y=f(x<,1>，x<,2>，x<,3>，x<,4>，x<,5>)。其中输入层的五个输入矢量分别代表连续的两个时刻点的时间参数、沉降量参数以及第三个时刻点的时间参数，通过此模型函数可求得第三个时刻点的沉降量。通过实践表明，所提出的BP神经网络构造模型较为独特，解决问题的效果也很好，预测精度较高。并且随着学习样本的不断补充，神经网络的预测精度将进一步得到提高。 最后，比较分析了传统预测方法以及神经网络BP改进算法的预测结果，发现在软土路基沉降预测方面，传统方法精度较差，与实际沉降偏差较大，而采用神经网络BP改进算法得到的预测值与实测值较为接近，计算精度高，预测性能也好，且此方法用实测数据直接建模，少了人为干扰因素，而且操作非常简便，所以选用神经网络BP改进算法预测沉降具有明显的优势。