龙骨和薄板组成的各类墙体(简称轻板隔墙)，在建筑中有广泛应用。由于影响轻板隔墙 隔声的因素众多，且各因素之间关系复杂，传统理论在解决轻板隔墙隔声方面存在局限性。 因此在工程设计中，还没有简易的预计方法。轻板隔墙在实际应用中，常因墙体构造或材料 搭配每有一些变动，一般只得通过试验室的隔声测量来获得它们的实际隔声效果。因为这种 变动即使不大，也很难估计其对实际隔声量的影响， 近年来，人工神经网络(ANN)在工程技术领域中的应用日益增多。它对非线性多变量(对 各因素相互关系的考虑)问题具有较好处理能力。为此，我们拟将人工神经网络这一新方法 应用于墙体隔声性能的预计，即通过神经网络逼近直接测量变量和待测变量间的映射关系， 以求对一些墙体构造组合条件下的隔声性能进行预计，为工程应用带来方便。同时，也可由 设定的隔声量要求，对墙体的构造和材料的搭配，提供设计选择参考。 本文以现有轻板隔墙隔声研究和实验结果为基础，用误差反向传播算法和遗传算法， 建立起轻板隔墙的人工神经网络预计模型，为隔声性能的预计和墙体的设计提供一种新的简 便方法。 本研究工作重点考虑了下列几个方面： (一)影响轻板隔墙隔声因素的分析及网络输入变量的确定 通过对影响墙体隔声性能诸 多因素的分析，确定了11个参量的因素集。采用相关分析方法及主成份分分析等统计 分析方法，合理选定了多个影响因素集作为神经网络的输入变量(一般取6个)。 (二)数据的整理、分析与处理 通过对所收集的国内外大量实测数据的分析，试图发现数 据之间的规律，并对一些类型变量进行了赋值。对样本数据进行了分布检验和变换处 理，比较好地解决了网络训练中的训练样本问题。考虑到不同试验室测量结果存在着 一定的差异，进一步对影响隔声量的阻尼特性和不同试验室构造和侧向传声方面的差 异等因素进行了分析，提出采用“综合变量”来解决所存在的这类矛盾问题，使得神 经网络同墙体隔声预计能够很好结合起来。 (三)人工神经网络的优化 网络层数的确定、各层节点数及其激活函数的类型选择，以 及训练初始参数的选取和权值的训练方法等，决定网络是否合理，可靠。因为不合理 的赋值会导致过度吻合等缺陷。对此进行大量分析讨论后，将输入变量进行了合理的 组合，设计并训练完成了多种网络预测模型。最后确定了一些性能优良的网络，作为 轻板隔墙隔声性能的预测模型。 (四)基于不同算法的网络研究 通过引入优化理论中的多目标优化概念，提出了基于遗传 算法的神经网络学习方法。该方法通过继承原先网络的部分特性，解决了神经网络学 习中数据稀少的矛盾，从根本上克服了BP算法存在的网络收敛速度慢、容易陷入局部 极小的不足，同时预计结果也可获得较好准确性。 (五)神经网络的应用前景及性能分析 通过仿真计算，定量分析了预测网络的性能。同时， 对预计结果的精度也进行了讨论。通过一些实际应用表明，利用人工神经网络预计轻 板隔墙隔声性能，是一项简单实用的方法。我们还开发了相应的应用程序，可供工程 设计应用。