桩基础在工业与民用建筑中占着重要的地位，桩基的质量优劣直接关系到整个建筑的安危。特别是单桩承载力的准确确定是一个“瓶颈”问题。由于土层及场地环境的不确定性、桩施工方法的多样性以及计算模型的局限性，造成桩基承载力计算结果不大准确，将影响到整个建筑物的安全可靠性和经济合理性。因此，进一步研究单桩承载力具有重要意义。　　 本文探讨了当前确定单桩承载力的主要计算方法，对影响单桩竖向承载力的各种因素进行了详细的分析，并利用层次分析法确定影响钻孔灌注桩承载力的主要因素，为神经网络模型的输入层神经元参数的确定提供了依据。　　 本文介绍了BP神经网络的基本概念，对钻孔灌注桩神经网络预测模型的网络结构、传递函数及学习算法的确定进行了深入研究，从而得到最佳的神经网络预测模型。　　 在此基础上，本文一方面利用搜集到的钻孔灌注桩试桩实测数据，建立样本库。另一方面通过改变输入层影响参数数目，分别建立了基于六个影响参数和基于九个影响参数的承载力预测模型。再通过对样本的静载试桩试验值、神经网络预测值及规范计算值三者进行对比分析，验证了预测模型的良好预测效果，即神经网络预测值与试桩试验值的相对误差小于规范计算值与试验值的相对误差。同时得知增加输入参数的数量对模型预测效果有一定的改善，而不同地区土层分布情况对于预测模型精度也有一定的影响。并利用已建立的预测模型，研究了单个影响因素与承载力的变化关系。　　 在matlab平台上编译了神经网络预测基桩承载力的程序，开发了图形用户界面，对于不熟悉matlab软件的人，无需在神经网络程序中建立参数单元，就可在界面上方便直接地进行预测分析。