在软土地基上修建高速公路,造价高,技术标准高,对路基稳定性和沉降量要求十分严格。由于软土具有压缩性和含水量大、强度低、透水性差等特点,软基沉降成为高速公路工程的一个核心问题,关系到整个工程的成败。路基工后沉降的及时而准确预测,对路堤施工控制和路面铺筑时间的合理确定具有重要的指导意义。目前,公认的比较合理的沉降预测方法是依据现场实测沉降值进行拟合的方法,由于沉降拟合方程中所有的待定参数都必须由实测沉降数据拟合确定,故要求实测沉降时间间隔尽量长,无法满足工程上尽量早预报沉降的要求。由于人工神经网络具有较强的非线性映射能力和学习能力,本文提出了基于人工神经网络的高速公路路基沉降预测新方法。该方法利用实测资料直接建模,避免了计算过程中带来的各种人为因素的干扰,基于函数干涉的两种不同方式,本文推荐了两种公路软基沉降预测人工神经网络模型,一种是对传统的BP网络进行改进,建立带反馈调控器的动态BP网络,用调控器进行函数干涉;另一种是基本保留传统的BP网络结构不变,将影响函数加入到学习样本集中,从而实现对网络的干涉。算例表明,本文提出的方法可以根据较短预压期的沉降观测资料实现高精度的后期沉降预测,使得及时预报预压时间和预测工后沉降量成为可能。本文所建立的模型预测精度高、简便易行,具有广泛的工程实用价值。