桥墩周围河床冲刷深度是确定桥墩基础埋深的重要的依据,过大的冲刷是桥梁水毁的主要原因之一,冲刷设计的正确与否直接关系到桥梁使用的安危。国内外许多学者和科技工作者进行了大量桥墩冲刷室内模型试验、野外观测和数值计算的研究,提出了诸多冲刷深度计算的经验公式和半经验半理论公式。本文系统总结归纳了多年来桥墩冲刷研究的成果。影响桥墩局部冲刷的因素是众多的,一些因素自身表现为随机性,而且各因素的地位和作用也各不相同,有些因素间还相互关联,相互作用。现有理论公式并不能反映这些因素之间的相互作用。基于对影响桥墩周围河床冲刷的因素复杂性的认识,本文试图引入人工神经网络理论和模糊理论来研究桥墩局部冲刷。本文主要介绍了人工神经网络的基本原理、模糊理论和模糊神经网络原理。提出用假设检验法来确定桥墩局部冲刷深度的影响因子,建立了BP神经网络模型和模糊神经网络模型,并运用这两种模型对桥墩局部冲刷深度进行预测,并比较这两种模型的预测结果。文中对几种BP算法进行比较:LMBP算法单次预报精度较低,预报风险较高,但训练效率高,训练次数稳定;自适应BP算法引入了动量因子,使网络发生震荡的几率降低,具有较高的预报精度和较快的训练速度,但训练次数波动较大。推荐用LMBP算法确定网络结构,用自适应BP算法进行预报。模糊神经网络是模糊理论和神经网络技术的融合,大大拓宽了神经网络处理信息的范围和能力,使之可以处理确定与模糊的信息,同时又使模糊系统成为自适应模糊系统。本文建立的模糊神经网络模型具有较高的映射精度,它既考虑了影响桥墩局部冲刷的因素指标在桥墩局部冲刷深度预测中带有不同程度的模糊性,又通过神经网络的学习功能迅速获得指标因素与预测对象之间关系的规则知识,网络结构清晰,每层均有明确的物理意义,并可根据经验设置初值,这是神经网络没有具备的。通过比较可以得知,BP神经网络模型和模糊神经网络模型的预测精度比较接近,但是模糊神经网络模型的收敛速度要快于BP神经网络模型。通过本文研究可知,人工神经网络模型和模糊神经网络模型均可应用于桥墩局部冲刷的预测,为桥墩局部冲刷深度的计算提供了一种新型的方法。