随着城市现代化的发展，噪声污染已变得日益严重，如何降低噪声的危害成为各国学者共同关心的话题。非织造材料是典型的多孔型材料，具有重量轻、强度高、成本低的优点，是新型吸声材料的主要发展趋势。本文将熔喷非织造材料和玻璃纤维材料制成两层和三层的复合吸声体，研究其吸声性能。以熔喷非织造材料、玻璃纤维材料为原料，制成A+B型和A+B+A’型复合吸声体。通过测试材料的厚度、面密度、容重、孔隙率和孔径等物理参数以及复合吸声体的吸声系数，探讨了复合吸声体吸声性能的影响因素。应用BP神经网络和广义回归神经网络对复合吸声体的平均吸声系数进行预测，计算预测结果与测试结果的误差，并比较两种神经网络算法的优劣。实验结果表明，随着熔喷非织造材料和玻璃纤维材料厚度的增加，复合吸声体吸声频段变宽，吸声系数峰值向低频频段方向移动，材料对中低频频段声波的吸收效果显著提高；材料孔隙率的梯度变化对A+B型复合材料的吸声性能有很大影响。应用BP神经网络建立吸声系数预测模型，能较好地完成预测任务，但同时存在一定缺陷：一是BP神经网络隐含层神经元个数的选择没有明确的理论指导；二是训练数据较少时，神经网络预测结果和期望结果之间会有较大误差。广义回归神经网络应用于预测时有较大优势，相比于BP神经网络，广义回归神经网络对试样预测的平均误差较小，且误差数据具有较高的稳定性。