混凝土的制备关键就是配合比的设计，即确定其组分—水泥、砂、石、水、添加剂等的相对比例关系，生态混凝土也不例外。由于混凝土各个组分的相对变化对于混凝土的性能存在着复杂的非线性关系，再加上透水性多孔生态混凝土添加剂的使用和其原材料的性能、品种的严格限制，采用传统的配置方法已经很难满足生态混凝土的设计要求。因此寻找新的途径，快速、可靠的设计出满足强度、孔隙率、透水性以及PH值等要求的混凝土配合比，意义是十分重大的。而作为认知科学领域的人工神经网络，具有非线形适应性信息处理能力，处理问题不需要精确的模型，就能快捷有效地建立起输入向量与目标向量之间复杂的函数关系式，把它应用于透水性多孔生态混凝土配合比设计中，对于解决混凝土配合比设计这类非线性问题是个行之有效的方法。为此，本文在青海省自然科学基金和青海省2006年度重大科技攻关项目的联合资助下，结合人工神经网络，围绕透水性多孔生态混凝土配合比设计和性能预测开展了以下几个方面的工作： 1.通过一系列的生态混凝土试件的试验，考虑了骨料级配、水灰比、水泥用量、添加剂的选用及掺量比例等对混凝土性能的影响，包括抗压强度、透水系数、孔隙率以及PH值的影响，研制出具有护坡植生功能的透水性多孔生态混凝土。 2.结合在示范工程中设计的不同的透水性多孔生态混凝土配合比，并以这些数据作为输入向量，建立起透水性多孔生态混凝土组成材料——水泥、水、砂、石以及添加剂和混凝土强度、孔隙率、耐久性等人工神经网络模型，从而直观地解决透水性多孔生态混凝土的配合比设计问题。 3.综合考虑生态混凝土使用过程中的各种复杂条件和影响因素，利用原材料质量和早期性能参数作为输入向量，建立人工神经网络模型预测生态混凝土的后期性能。 本文将人工神经网络模型中理论最成熟、应用最广泛的BP网络模型运用于透水性多孔生态混凝土的配合比设计和性能预测，通过在示范工程设计不同配合比的生态混凝土，并以这些配合比为样本，建立了生态混凝土配合比设计和性能预测的人工神经网络模型；这些模型综合考虑了影响混凝土性能的各种因素，能够实现这种复杂的非线性关系，具有较高的仿真与预测精度，在混凝土配合比设计和优化设计中具有广阔的应用前景，为透水性多孔生态混凝土大规模的应用和推广创造了有利条件。