路基作为无砟轨道的基础结构,在铁路轨道铺设过程中最主要的环节就是严格控制路基的工后沉降,并对其进行科学的预测。目前常用的理论计算法和实测数据分析法,存在对数据要求严格、人为因素产生误差偏大,预测精度不高等问题。针对传统沉降预测方法存在的不足,论文提出了将云适应GEP算法用于路基沉降预测中,对促进高铁路基沉降预测的发展具有重要意义。论文对路基沉降的基本理论进行研究,分析并讨论了几种常见预测模型诸如:回归分析模型、时间系列模型、灰度模型、BP神经网络模型。并在此基础上介绍了一种演化算法—基因表达式编程(GEP),并对其算法流程及实现方法进行具体分析。经过研究发现,其变异率、交叉率及数值常量对GEP算法的性能影响比较大。然而传统的算法依然采用固定的交叉率和变异率,对数值常量处理方法也比较复杂,导致存在局部收敛,使运算结果精度不高。对此本文提出了一种将云模型与GEP相结合的改进算法,称为云适应GEP算法(CAGEP),该算法分别利用云适应常数创建策略、云交叉变异算子策略和种群有效交叉策略对传统的GEP算法进行改进,利用适应度的动态调整变异和交叉概率,使GEP算法可以跳出局部最优,提高了收敛速度和准确性,从而优化了算法的搜索性能。并通过函数发现的实验进行对比,验证了云适应GEP算法的有效性。将云适应GEP算法应用到铁路路基沉降变形预测模型的构建中,利用编程语言开发基于云适应GEP的路基沉降预测模型。再利用传统的GEP算法、云适应GEP算法、BP神经网络及灰度算法分别对路基沉降变形的样本数据进行预测并对比分析,实验结果表明云适应GEP算法预测精度最高,更适用于对路基沉降进行变形预测,有很好的使用价值。