本文是将铁道工程与计算机及数学专业知识结合起来的学科综合性研究设计。主要做了以下工作与创新：(1)通过ABAQUS建立的车辆-轨道-路基动力学模型,分别对车体振动加速度、轮轨力、钢轨、轨道板和路基的加速度以及扣件力等车辆和轨道的动力特性计算结果进行了总结和分析,初步得到车辆和轨道结构各项动力特性指标随轨道路基沉降幅值、沉降弦长和列车速度变化的内在规律；得出在四个车辆动力响应值和八个轨道动力响应值中,车体垂向加速度变化最为明显,且最有规律可循：并创新性的提出各动力响应在沉降区何处取得极大值；(2)结合第一步的计算数据,分别基于GRNN网络、BP网络和BRF网络建立了三类智能识别神经网络。并研究探讨了各网络的预测性能。将车体振动加速度作为输入量,对路基沉降的弦长和幅值进行预测,比较各网络逼近性能和预测输出结果可得,在所选三种适用于本预测模型的神经网络中,RBF神经网络的预测效果优于GRNN网络和BP网络。(3)在以上两方面研究的基础上,建议通过建立一个高速铁路路基沉降-车体振动加速度的相应数据库,并结合本文所提出的神经网络预测方法,研究出一套完整的识别体系,并应用于添乘仪等铁路检测仪器的系统,进而形成一种高速铁路路基沉降的检测新方法。