自使用多孔材料作为吸声材料来降低噪声污染对人们生活、工作、学习的危害以来,如何设计吸声性能更加优异的多孔吸声材料成为日益关注的问题。而仿真模拟技术可以在理论上得到性能最优的多孔吸声材料的结构参数,有效的为设计性能优异的多孔吸声材料提供理论依据,并减少不必要的实验过程。本文设计了一种双层开孔泡沫铝复合结构,为了更加方便的获得吸声性能优异的复合结构的结构参数,提出了三种吸声系数预测方法,分别为非线性神经网络模拟、量纲分析法构建解析式和有限元模型模拟仿真。文中分别对三类模拟预测方法的具体实施过程以及仿真模拟结构进行了介绍。并对每种方法的模拟预测结果进行总结分析,为多孔材料吸声系数的预测提供参考。在本文中,建立了两种非线性神经网络预测开孔泡沫铝复合结构吸声系数的方法,就预测过程及结果来说,RBF神经网络所需的样本数量少,仅需11组数据进行网络训练,预测精度也较高,误差均在6%以下。EO优化算法可以解决GRNN神经网络所需样本数量大的问题,具体的做法是在建立GRNN神经网络模型之前,利用优化算法对少量的样本集进行处理得到最佳的光滑因子值,然后代入GRNN神经网络模型中进行模拟预测,EO-GRNN神经网络虽然过程复杂,但预测精度高,预测误差均在4%以下,所需样本量少,仅需11组数据进行网络训练。通过量纲分析法建立了开孔泡沫铝复合结构吸声系数与其结构参数之间的数学解析式,验证后发现解析式具有较高的准确性,平均计算误差仅为0.23%,并且通过观察解析式中各结构参数幂指数的大小,可以直观的了解每个结构参数影响能力的大小。构建了二维和三维模拟仿真开孔泡沫铝复合结构吸声系数的有限元模型,相比于二维模型,三维模型虽然建模过程复杂,但能够更加准确的得到开孔泡沫铝复合结构的吸声系数模拟仿真值,其仿真误差均在10%左右,且仿真值的变化趋势与实际值一致。并且有了材料的三维建模数据后,可为后续的实际应用提供理论依据。