摘要： 随着轨道交通建设不断发展，列车运行产生的噪声污染问题困扰着沿线居民，设置声屏障是一种改善沿线声环境的有效措施。声屏障插入损失是评价其降噪性能的重要指标，而目前规范中声屏障插入损失的简化计算公式大多仅考虑声程差的影响。为提高声屏障插入损失计算的精度，采用边界元法生成声屏障插入损失样本，结合粒子群优化算法(PSO)和BP神经网络模型，得出能同时考虑声程差、屏体吸声系数、声屏障高度的声屏障插入损失的计算公式。首先，基于边界元法建立箱梁-声屏障模型，所得噪声计算结果与实测数据吻合良好，验证了模型的正确性。然后，计算不同声屏障高度、吸声系数以及受声点位置参数的声屏障插入损失值并将其作为训练数据。最后，运用BP神经网络建立声屏障插入损失预测模型，基于PSO算法对预测模型进行优化，并通过实测数据对比验证了预测模型的准确性。结果表明，PSO-BP神经网络预测结果决定系数在0.9 以上，预测精度得到提高，模型具有较好的泛化能力，并基于预测模型分析计算参数对声屏障插入损失的影响。

关键词: 声学, 声屏障, 插入损失, 边界元法, PSO-BP神经网络