布料仿真在物理仿真、计算机游戏、虚拟现实等领域有着悠久的研究历史和较为重要的研究意义。现实生活中的布料有褶皱丰富,形态各异等特性,如何高效地利用计算机模拟出这些布料特性成为了布料仿真研究中的难点。在布料仿真建模中,布料仿真的精度与布料仿真的速度往往相互制约,目前存在一些传统的布料仿真方法一般只能顾及到这两者之一,难以达到平衡,因此如何找到一种能够将仿真精度与仿真速度两者都兼顾到的方法,使其达到一定程度的平衡,是布料仿真技术中需要着重研究的焦点问题。弹簧-质点模型是布料仿真建模时常用的一种网格模型,在使用弹簧-质点模型进行布料仿真的过程中,需要对质点在下一时刻的位置进行计算预测,目前存在的一些仿真方法,大多都是使用基于物理的方法来进行质点位置预测,存在计算复杂、耗时长、实时性差的一些缺点。针对上述问题,本文从计算质点位置的方法出发,改进传统的基于物理的方法,研究更快速准确的布料建模的方法,为布料仿真提供能兼顾计算精度与计算效率的数值计算方法。具体工作包括以下内容:（1）针对基于物理方法计算复杂、耗时长、实时性差的缺点,提出了一种融合随机森林模型的布料分层建模方法。采用基于物理的方法计算出各个质点的初始位置,连接各个质点形成最初始水平布料。然后通过使用随机森林模型的回归算法来推断质点在下一水平布料的位置,使用3^1/2细分法连接质点,再通过边翻转操作生成稳定的布料网格,重复上述过程直至产生满意的动画效果。（2）随机森林模型给人的感觉像黑盒一样,无法控制模型内部的运行,只能在不同的参数和随机种子之间进行尝试,可操控性较差。相比于随机森林算法,神经网络算法的可操控性更强,且当构建了恰当的网络模型时,神经网络算法的计算性能也要优于其他传统方法。因此利用神经网络模型来对质点的位置进行预测,对布料进行更精细水平的模拟。