列车在运行时产生的振动会通过周围地层向外传播，并进一步诱发建筑物的二次振动，对建筑物以及其中居民的工作和日常生活产生了很大的影响。如何分析振动对环境造成的影响已经成为一个很重要的课题。 轨道系统由铁轨、枕木和碎石垫层组成，列车在运行时车轮与轨道系统会产生相互作用，由于轮重的作用使轨道产生弯曲变形，弯曲变形转化成作用在地基上的荷载引起地基振动，这一振动通过周围地层向外传播，导致周围地面的振动。 为了得到神经网络的训练样本，除了利用现有的实测数据外，本文还考虑利用某些解析方法计算得到的数据作为样本。为此本文基于振动产生及传播的机理，利用了分层法的轨道交通引起地面振动的解析算法，通过解三维弹性体的波动方程得到波数—频域的解，离散化波数域得到地基土的动力响应特性，再通过快速Fourier逆变换得到空间—时间域的解。 为了利用神经网络进行有限元计算，本文给出了列车运行时移动荷载在时间域和空间域的分布表示，通过三维有限元方法的分析，详细推导出了轨道交通荷载引起地面振动的有限元计算中的刚度矩阵和质量矩阵，同时将动力有限元的计算问题通过矩阵变换，转换成了一个二次型的优化问题。 本文融合神经网络技术和遗传算法，对轨道交通引起的地面振动进行了正分析和反演，并利用计算机技术实现了地面振动的三维动画模拟，这主要包括： (1)研究了压缩映射遗传算法，利用Banach空间的不动点定理证明了压缩映射遗传算法可以收敛到全局最优值，弥补了标准遗传算法不能收敛至全局最优值的不足。另外还详细论述了该算法中的编码、选择、交叉和变异等遗传操作。为后续与神经网络融合应用作理论准备。 (2)研究了BP神经网络的结构、训练算法，并将该算法应用到土的本构关系的建模之中。考虑到BP神经网络训练时间长、容易收敛到局部最优的不足，本文将压缩映射遗传算法应用到BP神经网络的训练之中，使其较快地收敛到全局最优值。 (3)研究了Hopfield反馈神经网络的结构和稳定性，并深入讨论了稳定性分析的Lyapunov第二方法(亦称为直接法)，利用Lyapunov方法分析了Hopfield神经网络改进网络—TH神经网络的稳定性。本文详细论述了将TH神经网络应用到二次型优化问题上的方法，并首次将该方法用来计算前面得武汉理工大学博士学位论文到的动力有限元计算的二次型。在仿真计算中，首次将压缩映射遗传算法应用到了搜索TH神经网络的平衡点(二次型的最优值)上。 (4)研究了自递归神经网络的结构及训练算法，利用LyaPunov方法研究了自递归神经网络训练算法的收敛性和稳定性，并首次利用自递归神经网络来反演轨道交通引起地面振动的振动场。考虑到自递归神经网络的结构影响到其反演效果，本文利用压缩映射遗传算法来搜索其最佳的结构。 (5)论述了轨道交通引起地面振动智能分析软件中运用的面向对象方法和OpenGL技术，研究了OpenGL的三维体绘制算法，最后实现了轨道交通引起地面振动的振动场三维模拟。 本文最后总结了研究结论并展望进一步的工作，认为包括模糊逻辑、灰色理论等多种智能方法和神经网络、遗传算法的融合应用到轨道交通引起地面振动的分析之中是一种新的可行方法，三维实时动画模拟也是研究方向。