在我国经济建设主攻方向向中西部转移的大背景下,山区铁路的建设发展已经成为热点问题。山区铁路线路一般由河谷线和越岭线组成,越岭铁路线路建设有诸多难题,例如高差悬殊大、滑坡泥石流等自然灾害频发,而铁路线路又要求线位好、线型平缓(最大坡度一般不大于20‰),这给越岭线路选线工作带来很大的困难。越岭铁路线路的最大坡度与最小曲线半径的选择不但对铁路建设投资规模影响很大,也影响着线路的输送能力,而且对工程运营的影响更加显著。鉴于目前我国铁路工程实践中最大坡度、最小曲线半径的选择仍是以经验为主,故本论文研究最大坡度与最小曲线半径选择的BP网络模型,通过计算机模拟学习前人积累的经验,来仿真将要建设的越岭线路最大坡度与最小曲线半径的决策,具有重要的理论意义和实践价值。1.人工神经网络是一种解决高度非线性难题的模型。它能够充分逼近任意复杂的非线性函数,具有较强的处理复杂非线性问题的能力。通过分析,BP神经网络可以建立最大坡度、最小曲线半径各影响因素与其之间的高度非线性映射关系,并进而实现对最大坡度和最小曲线半径选择的仿真。2.论文中把选择铁路等级、地形条件、运输要求等作为影响因素的表征,再把土石方、桥梁长度、隧道长度工程技术经济指标作为衡量最大坡度和最小曲线半径选择的标准,形成最大坡度与最小曲线半径选择的BP网络模型的体系。3.将BP神经网络引入到越岭铁路线路,通过训练好的网络模型仿真宜万铁路某段最大坡度与最小曲线半径,得到仿真值和标准设计值的误差分别为7.5%和0,仿真效果好。进而验证了所建立的BP神经网络模型是合理的。论文分析了最大坡度与最小曲线半径对工程和运营的影响,提出了在越岭铁路线路选线时,最大坡度、最小曲线半径可适当降低标准,不仅可以降低工程造价,而且更符合实际情况。