提出了基于神经网络残余Kriging的场地液化势数据预测模型。利用传统的地质统计学方法中的交叉验证技术来寻找网络参数sprcad。在最优网络参数下，GRNN网络较好地映射了场地液化势的非线性趋势，再借助于Kriging对残余分量进行数据空间结构分析和估值。计算结果表明，GRNN网络预测的非线性趋势较好地刻划了场地液化势数据的全局特征，其非线性映射能力要高于趋势面技术。去势后的场地液化势残余分量满足本征假设条件，可以很方便地用Kriging方法来估值。本法可以嵌入岩土工程决策系统对未勘察区域进行场地液化预测
