随着我国高速铁路的发展,高速列车运行时引起的环境振动对周围建筑物以及人们的日常生活造成了严重影响,所以研究环境振动问题以及如何减少振动的危害具有现实意义。目前,对于环境振动的隔振问题多采用数值模拟的方法,但是数值模拟过程中进行了大量简化,结果往往不够精确而且耗费时间长。而本文提出一种新的研究思路,采用人工智能算法,对列车运行引起建筑物的振动进行隔振预测研究。主要研究内容如下:(1)建立了列车-轨道-土体-隔振沟(空沟/填充沟)-建筑物数值模型,该模型分为两个子系统模型:列车-轨道模型和土体-隔振沟(空沟/填充沟)-建筑物模型。通过前者求解出轨道动反力施加于后者,进行数值分析。(2)分析了列车速度、隔振沟宽度和深度、隔振沟距离、建筑物距离、地基土性质、建筑物高度、填充材料(对于填充沟而言)等不同参数的变化对建筑物振动的影响,进行影响建筑物振动的控制参数研究。(3)在数值模拟数据的基础上,以不同参数为输入,建筑物各层振动响应为输出,运用BP神经网络,建立高速列车引起建筑物振动预测初步模型。(4)通过收集实测数据,对预测模型进行深度学习,不断的优化,从而提高模型的预测精度。将预测数据与实测数据对比分析,验证神经网络模型的可行性。本文将智能算法运用到列车引起环境振动的隔振预测研究中,针对高速列车引起的建筑物振动隔振预测问题,提出了一种快速且高效的分析方法,为工程问题研究提供了一种新思路。