为分析青藏铁路路基高程不规则变形问题，以青藏铁路唐古拉南—安多区间冻土路基沉降变形监控数据为依据，提出一种基于灰色BP神经网络的路基沉降预测模型，利用GM （1,1）模型拟合数据的残差进行BP神经网络训练，并通过训练后的残差序列得到新的路基沉降预测值。研究结果表明：建立隐含层为5层、训练次数为1 000次、训练精度为10-7的灰色BP神经网络模型，对青藏铁路冻土区沉降量进行预测，平均相对误差为1.201 555×10-6，精度较GM （1,1）模型更高，可有效预测路基沉降。基于灰色BP神经网络模型，分别预测3年后、10年后的路基沉降危险点，并提出相关路基养护措施建议。

为分析青藏铁路路基高程不规则变形问题，以青藏铁路唐古拉南—安多区间冻土路基沉降变形监控数据为依据，提出一种基于灰色BP神经网络的路基沉降预测模型，利用GM （1,1）模型拟合数据的残差进行BP神经网络训练，并通过训练后的残差序列得到新的路基沉降预测值。研究结果表明：建立隐含层为5层、训练次数为1 000次、训练精度为10-7的灰色BP神经网络模型，对青藏铁路冻土区沉降量进行预测，平均相对误差为1.201 555×10-6，精度较GM （1,1）模型更高，可有效预测路基沉降。基于灰色BP神经网络模型，分别预测3年后、10年后的路基沉降危险点，并提出相关路基养护措施建议。

为分析青藏铁路路基高程不规则变形问题，以青藏铁路唐古拉南—安多区间冻土路基沉降变形监控数据为依据，提出一种基于灰色BP神经网络的路基沉降预测模型，利用GM （1,1）模型拟合数据的残差进行BP神经网络训练，并通过训练后的残差序列得到新的路基沉降预测值。研究结果表明：建立隐含层为5层、训练次数为1 000次、训练精度为10-7的灰色BP神经网络模型，对青藏铁路冻土区沉降量进行预测，平均相对误差为1.201 555×10-6，精度较GM （1,1）模型更高，可有效预测路基沉降。基于灰色BP神经网络模型，分别预测3年后、10年后的路基沉降危险点，并提出相关路基养护措施建议。

总结了原状土的变形特性和物理性能的研究结果 (400个试验),描述了西伯利亚北部和俄罗斯的欧洲地区。在冻土物理性质和变形特征的相关性的基础上,提出了冻土融冻的计算公式。

对几种常用沉降预测模型进行了对比分析,介绍了组合预测模型的构建思路及预测效果的评价标准,建立了冻土地区路基组合预测模型。

通过采用BP神经网络对铁路建设期间冻土温度变化及冻土路基沉降进行了评价和预测,该方法减少了人为因素的干扰,有很强大的非线性映射能力,可以相对精确进行较长时间、较大范围的冻土路基沉降预测,弥补了现场实测数据的不足,可推广应用。