公路软土地基处理是一个复杂的系统工程，需要技术人员利用丰富的实践经验和扎实的理论知识进行合理的分析判断与决策。在软土地基处理技术决策中，影响因素众多，需要计算的工作量大，而设计理论又不尽完善，经验往往起着重要的作用。因此，如何使软基处理设计与施工的决策更具科学性变得非常重要。针对这种现状，本文结合公路软土地基处理的知识特点，研制开发出公路软土地基处理专家系统，利用人工智能、知识工程、模糊数学、决策分析、计算机技术等，进行公路软基处理智能决策研究。 论文首先构建分析公路软土地基处理专家系统知识库，对公路软土地基处理中的软土鉴别、设计计算方法选择、处理方案决策、施工问题原因分析及对策四个方面的知识进行了系统的研究，根据其不同特点，分别建立了各自的知识库。 根据公路软土地基处理有关问题存在大量的不确定性、随机性、模糊性的特点，论文采用基于不确定推理的专家决策对此进行处理，进而对不确定性推理方法中的可信度方法和模糊推理进行了研究：提出基于产生式规则带有可信度的推理模型，解决软土鉴别、设计计算方法选择、施工问题原因分析及对策方面的问题；构建了处理方案决策的模糊推理模型。 作为人工智能处理问题的另一方法，论文建立了软基处理方案决策的BP神经网络模型，确定了网络输入、输出向量维数(节点数)、中间隐层结构、学习速率等重要参数，并通过众多测试，采用L-M(kvenberg-Marquardt)算法对模型进行了改进。根据大量数据(专家知识)的训练确定了网络用于推理的权值，结果表明：软基处理方案的BP神经网络模型的精度比较高，能够满足软基处理方案设计与决策的工程需要；使用Visual C++程序语言编写的BP神经网络，能有效地解决传统的利用Matlab软件编写的BP神经网络无法实现权值存储和读取等难题。 论文将模糊理论和层次分析法二者相结合，建立了公路软土地基处理方案优选的多层次模糊综合评判模型，其中评语隶属度采用模糊理论和专家评分法确定，各影响因素的权值采用层次分析法确定。通过工程实例的验证，表明采用该模型对公路软基处理方案优选是可行的。 推理机是专家系统的核心，论文寻求适合于软土地基处理领域的推理机建造技术，即研究该领域专家处理问题的思维模式，并根据专家的思维特点选择恰当的推理模型进行模拟，分析研究公路软土地基处理专家系统推理机采用的推理理论、总体构造、推理方向、推理过程和控制策略。结果表明，推理机使用将正向推理和逆向推理相结合的混合推理方法，有效地提高了系统的交互化和智能化程度，带有提醒的推理方式能减小因用户的失误而造成的推理不准确性；采用了模块化和结构化的系统结构，大大提高了系统工作效率，并且可有效降低系统开发难度。