地震波孔压静力触探(Seismic Piezocone Penetration Test，SCPTU)是国内较先进的原位测试技术。因其理论基础深厚、功能强大齐全、测试精度高、获取数据准确稳定等特点，被广泛应用于土层划分、物理力学参数获取以及承载力特性分析等领域。由于其省时、省力、低成本的特点，在工程地质勘察、基坑设计以及地质灾害评估等方面也起到了举足轻重的作用。本文依托镇江市某单位近几年积累的资料，根据该地区典型地层特征，基于地震波孔压静力触探原位测试数据，采用统计学分析理论、模糊聚类分析方法、BP神经网络方法对单桩竖向承载特性进行了分析，主要研究内容包括以下几个方面:　　1.以传统原位测试方法(CPT/CPTU)为技术手段，以土层参数（锥尖阻力、锥侧摩阻力、剪切波速和孔隙水压力）为研究对象，对镇江市不同区域的土层进行了划分，并用统计理论对每一种方法的可靠性进行了分析和评价。　　2.运用模糊K-均值聚类算法，建立了基于SCPTU测试数据的单桩竖向承载力预测模型。针对镇江地区典型地基，编制了相应的MATLAB程序，考虑沿桩长的全部测试数据，并对奇异数据进行有效修正，对单桩承载力进行了预测，结合现场静载试验资料，与传统的原位试验预测方法进行比较，验证了模糊K-均值聚类方法预测的有效性。　　3.通过对镇江地区软土地层进行划分，对不同软土地基的工程参数进行了统计。基于BP神经网络算法，建立了修正的BP神经网络模型，以地震波孔压静力触探测试(SCPTU)测得的四个指标（qc，fs，vs，u）为输入，竖向承载力为输出，对位于不同区域的单桩承载力进行了预测，并得到了桩基的荷载-时间-沉降曲线。同时以地基土的物理力学指标为输入，地基承载力为输出，运用镇江地区的97组实测数据分析了液性指数、压缩模量与地基承载力之间的关系，得到相关系数较高的曲线。经过与传统方法的比较发现，用修正的BP神经网络算法可以有效的预测竖向承载力。