90年代以来,随着国民经济的日益发展,我国掀起了高速公路建设的热潮。近期内我国的高速公路主要兴建于沿海诸省,而在沿海地区广泛分布着软粘土。在软土地基上修建高速公路,其核心问题在于控制软基的沉降。因此,合理地预测软基沉降,对正确施工,节省工程投资,具有十分重要的现实意义。近年来提出的人工神经网络技术可以模拟大脑的学习功能,对信息进行分布式存储和并行协同处理,具有高度的非线性映射能力,有良好的自适应性和容错性,与一些传统的计算方法相比,有其独特的优点,已经在不同的工程领域得到应用。本文尝试利用人工神经网络技术,提出基于人工神经网络的高速公路路基沉降预测新方法。本方法可利用实测资料对高度复杂和高度非线性的土工结构进行直接建模。针对实际工程的不同条件和要求,本文采取了两种不同的神经网络建模法。一种是把各影响因素同沉降的关系用神经网络隐式表达,通过建立反映路基沉降影响因素与路基沉降量的映射关系的网络模型,用已有的沉降观测资料对网络进行学习训练。预测时,由已知外界影响因素推断此时的沉降;另一种方法不考虑沉降的各影响因素,而是建立反映当前沉降同过去各沉降历史值间关系的神经网络模型,通过高度非线性的曲线拟合,推求工程后期的沉降量。通过对若干工程实测资料的检验以及与各种传统计算方法的对比,证明神经网络法能避免传统方法计算过程中各种人为因素的干扰,计算精度高,泛化性强,简便易行,因而具有广泛的工程使用价值和广阔的工程应用前景。