水泥是重要的工业建筑材料，目前在诸多领域得到广泛应用。随着社会工业的发展，人们对水泥的质量、品种、性能方面提出了更多更高的要求。衡量水泥性能的一个最为重要的参考指标即为水泥强度。水泥强度在硬化过程中是逐渐增长的，根据时间可以划分为早期强度（3-7天之前），后期强度（28天及其以后），长期强度（3个月以后）。由于水泥强度在28天时基本形成并且以后增长缓慢，所以通常选用水泥水化后第28天的强度作为衡量水泥质量的参考标准。此外，由于水泥早期水化反应对水泥浆体的微观结构形成和强度的发展有着极为重要的影响，因此研究早期水泥水化规律和预测28天的水泥强度已成为水泥领域重要的研究课题。　　 目前，水泥强度的传统的预测方法主要包括物理实验方法和数理统计的方法。物理实验方法是借助物理仪器来测定给定样品的物理性能指标，进而研究水泥强度与物理性能之间的关系;数理统计方法则研究的是理化性能与强度间的数学关系。由于水泥强度的预测是一个非线性多变量的问题，所以这两种方法不能准确有效地预测水泥强度。近年来随着计算机性能的不断提升和智能计算领域技术的日益成熟，除了采用传统的实验手段外，计算机模拟也逐渐成为解决材料领域问题的新的方法。本文尝试采用基于智能计算的思想去研究水泥水化的规律，并对水化后28天水泥抗压强度进行预测。首先提出了一种新的进化计算算法，然后在该算法基础上建立了两个模型:其中一个是水泥强度预测模型，另一个是水泥早期水化动力学模型。本文的主要研究内容如下:　　 1.提出了一种新的进化计算算法，即多层多基因表达式编程进化算法:MMEP(Multi-layer Multi-Expression Programming)。该算法将传统的MEP算法拓展为基于多层的多表达式编码进化算法，并在基因的结构引用方式上添加了基因的“跨层引用模型”，该算法不仅提高了种群个体间的信息共享范围，而且也增加了各微基因的复用率。因此该算法从一定程度上增加了种群多样性，减少了MEP算法中编码结构冗余问题，同时算法也避免了在某些情况下进化过程容易陷入局部极优的问题。　　 2.建立了基于MMEP的混合动力学建模算法，该算法首先采用MMEP来萃取水泥水化动力学常微分方程的基本结构表达式，然后采用PSO(粒子群算法，Particle SwarmOptimization)对上述获取到的基本结构表达式进行参数优化，以期获得当前结构表达式中最佳的参数组合。最后采用四阶的龙格库塔算法(forth order Runge-Kutta)对上述获取到的动力学微分方程求其在数据系列中各个时间点的解。该混合动力学萃取算法通过不断的迭代进化，直到找到种群中适应值最佳的动力学常微分方程。　　 3.将上述建立的两种模型（即基于MMEP的预测模型和基于MMEP的混合动力学模型）分别应用到水泥28天抗压强度预测和水泥早期水化动力学微分方程的萃取中。