随着经济的飞速发展以及人们生活水平的不断提高，空调已成为现代人类生活不可或缺的组成部分之一。蒸发冷却空调由于其节能环保的特点被越来越广泛的应用。蒸发冷却空调填料作为核心构件，它的性能直接影响到换热器的最终效率，所以对填料性能的预测研究已变为蒸发冷却空调研究的重要组成部分。由于填料的性能不仅与填料本身的材质有关，而且与空气状态、空气的流速、淋水密度等多个因素有关，因此建立一个快速运行和高精确度的填料性能预测模型，对于蒸发冷却空调的研究具有理论指导意义和实际应用价值。径向基函数(Radical Basis Function，RBF)神经网络是解决非线性问题的有效工具之一，它可以建立与实际问题相对应的网络拓扑结构，具有结构简单、不易陷入局部极小值、学习方便、可以逼近任意非线性的连续函数等优点。本文在深入分析填料性能预测所面临的关键技术问题，比较各种填料性能预测方法的基础上，探讨利用RBF神经网络对填料的性能进行预测。RBF神经网络所预测的模型通过对以往数据的学习研究，寻找出影响填料性能各因素间的内在规律，并储存于RBF神经网络中，为预测填料的性能做好准备。论文首先介绍了有关填料性能研究的已有方法，分析了它们的优势和不足；然后对有关RBF神经网络的原理、结构以及特点等进行了阐述，提出了以神经网络为基础的关于填料性能的预测模型；最后根据实际问题利用MATLAB软件建立预测模型，并进行训练仿真，验证预测模型的精确度。证明了RBF神经网络对预测蒸发冷却填料性能的可行性以及正确性。研究表明：以RBF神经网络为基础对蒸发冷却空调的填料性能进行预测是可行的，并且网络模型的训练速度比较快；除极少数预测值与实测值的偏差较大外，绝大多数干球温度预测值和含湿量预测值，均与对应的实测值偏差很小，平均相对误差均小于1%，均方误差均小于0.1，在误差允许范围内。本文以RBF神经网络为基础建立了蒸发冷却空调填料性能的预测模型，分析了蒸发冷却空调的运行参数对填料性能的影响，为蒸发冷却空调系统的性能研究、设计和控制优化提供可靠的参考依据。该课题涉及自动控制科学、暖通空调科学、计算机科学等多个学科，为研究蒸发冷却空调填料的传热传质性能提供了新思路，其研究结果对蒸发冷却空调填料性能的研究具有十分重要的现实指导意义。