近年来,国内城市轨道交通进入了发展的快车道,但是在其发展过程中,所带来的振动和噪声问题也越来越严重。列车通过小半径曲线地段时,会产生比较大的轮轨噪声,从而引起了车内噪声较大,影响了乘客乘车体验,严重时甚至引起人们的投诉。本文首次将BP神经网络原理应用到曲线地段车内噪声预测方面,对城市轨道交通车内噪声预测方面的研究具有指导意义。对车内噪声和轮轨噪声方面进行频谱特性分析,确定车内噪声超标的原因,在轮轨噪声研究方面也具有参考性价值。本文建立了小半径曲线地段轮轨噪声计算模型,针对不同工况进行计算,并利用实测数据验证小半径曲线地段轮轨噪声仿真模型的计算准确性。后面利用BP神经网络建立了车内噪声预测模型,并且利用相关系数分析法研究车内噪声与轮轨噪声、曲线半径、列车速度的相关性,判断了曲线地段各因素对车内噪声影响程度的大小等等。本文的研究内容如下:（1）地铁车内噪声与曲线地段轮轨噪声等方面的理论研究,通过收集查阅相关文献资料,了解地铁车内噪声与轮轨噪声等方面的基础理论,如产生原因、传播方式、影响因素、控制及预测方法等。（2）对某城市地铁7号线车内噪声与轮轨噪声同步测试,参考地铁噪声评价规范,制定地铁小半径曲线地段前期的车内噪声测试方案、车内噪声和轮轨噪声同步测试方案,并进行现场实测,对小半径曲线车内噪声和轮轨噪声的整体噪声水平、频谱特性进行分析,并确定车内噪声超标的原因。（3）建立小半径曲线地段轮轨噪声计算模型,针对不同工况进行计算,并利用实测数据验证小半径曲线地段轮轨噪声仿真模型的计算准确性。其仿真数据可以用于后续的车内噪声预测,从而可以极大地降低车内噪声预测成本。（4）对车内噪声和轮轨噪声数据进行处理,并利用基于多窗谱估计的改进谱减法对轮轨噪声进行处理,进而消除隧道混响声的影响,为后面地铁小半径曲线地段车内噪声和轮轨噪声映射关系的研究,提供了大量准确完善的轮轨噪声数据。（5）运用BP神经网络建立了车内噪声预测模型,神经网络训练好后,利用测试集数据验证其计算精度和预测效率。后面结合利用轮轨噪声模型计算的仿真数据,可以对相应区段的车内噪声水平进行预测。（6）通过数据相关性分析,可以确定车内噪声与轮轨噪声、列车速度及曲线半径的关系。结合线性回归分析,可以判断各因素对小半径曲线地段车内噪声的影响程度。