川藏铁路经行地区是典型的高海拔大高差复杂艰险山区,地形地质条件极为复杂,线路展线困难,许多区域只能依靠深埋长隧和大跨高桥方能通过。这类隧道与桥梁由于工程量和施工成本大,难度高,工期长,往往是整个建设项目中的控制性工程,因此被称为铁路重点工程。铁路重点工程方案即是这类重点工程的主体施工方案,制定这些方案是铁路总体设计阶段的重要工作内容之一,目前主要是依据专家根据自身经验结合对地质情况的掌握来作出的。但是,在川藏铁路经行地区,现有勘察技术难以全面完整地掌握线路经行地区的地质情况,在这种情况下,最常用的以专家经验为导向的决策方法难免因为设计人员主观因素、地形地质的复杂性和不确定性产生决策上的失误,进而为川藏铁路重点工程的施工带来了诸多风险。因此,就需要借助新的决策技术以指导艰险山区铁路重点工程方案的制定。案例推理技术(Case-based Reasoning,CBR)是人工智能领域的一个分支,可以根据历史相似问题快速有效地对现有问题进行求解。它解决问题的过程与专家决策思路相一致,可以有效利用历史案例中所蕴含的经验与知识。在我国长达数十年的铁路建设过程之中,工程实践已积累了大量成功的工程案例,这对CBR的应用提供了可能性。因此,本文基于CBR技术,提出了一种艰险山区铁路重点工程方案设计的辅助决策模型,主要研究内容如下:(1)论述了CBR技术的基本理论,包括CBR技术的优势、特点和相关关键技术的内涵与作用;结合艰险山区铁路重点工程的特点和工程实践中存在的问题,论证了CBR技术在铁道工程中的适用性。(2)分别研究了艰险山区铁路重点隧道和桥梁的特征属性和案例表示方法。通过理论分析结合相关文献,分析总结了艰险山区铁路隧道和桥梁工程案例主题域、问题域和解决域包含的属性类别和量化标准;在此基础之上,通过框架表示法将艰险山区铁路重点工程案例进行了结构化、定量化的表示。(3)研究了艰险山区铁路重点工程相似案例的检索方法。首先基于云模型理论,提出了一种艰险山区铁路重点工程自然特征属性的权值计算方法;进一步提出了一种基于案例间“相对距离”的灰色-KNN算法进行相似案例的检索。(4)研究了艰险山区铁路重点工程方案CBR模型的案例重用方法。分析总结了BP神经网络的缺陷,论证了利用PSO算法对BP神经网络进行优化的必要性;在此基础之上,利用PSO算法的全局寻优能力对BP算法的权值和阈值进行优化,提高了神经网络的收敛速度、学习能力和推理性能;设计了艰险山区铁路重点工程方案CBR模型的案例重用算法流程。(5)依托川藏铁路拟建重难点工程二郎山隧道对本文提出的模型进行实例验证。首先广泛搜集了西南山区铁路隧道案例,建立了一个西南艰险山区铁路隧道案例集。在此基础之上,将本文提出的CBR模型应用至拟建川藏铁路二郎山隧道总体设计阶段的开挖方案决策中,取得了优秀的效果。