在湿软性黄土上修筑高速公路,工后沉降控制问题是影响建成后路面质量、行车速度、使用寿命等的关键性问题。通过最终沉降量计算可以预测地基在设计路堤高度下的工后沉降量及计划施工填土高度。针对黄土沟壑区湿软地基沉降的不确定性,本文进行了较为深入地研究。主要研究工作包括以下内容:(1)分析了湿软性黄土的变形特性,系统地阐述了现有的黄土地基的沉降评价方法,指出了它们存在的主要问题和不足。针对影响沉降的诸多因素的复杂多变性和不确定性,提出了一种新的高速公路湿软地基沉降预测方法——基于神经网络范例推理的湿软地基沉降评价方法。(2)以人工智能中的范例推理为基础,结合神经网络,建立了基于神经网络的湿软地基范例检索模型。运用模糊相似优先的概念,对每一个影响湿软地基沉降的因素,分别建立了湿软地基目标范例与源范例之间的模糊相似优先关系。(3)运用神经网络强大的自适应、自组织、自学习的能力以及高度的非线性映射性、泛化性和容错性的特点,通过湿软地基范例的神经网络学习,建立了当前湿软地基和湿软地基范例之间相似性计算关系,最终实现了当前湿软地基的沉降评价。(4)实例分析表明,评价结果与实际沉降观测结果一致,建立的模型具有很高的预测准确性,模型的泛化能力很强。该方法计算精度高,操作简便,受人为因素影响小,因而具有广阔的工程应用前景。