随着人工智能技术的发展,人工智能作曲逐渐成为当下热门的研究方向。人工智能作曲可以为作曲家带来新的创作灵感,也使得非专业音乐爱好者可以参与到音乐创作中,享受人工智能作曲带来的的乐趣。目前,人工智能作曲技术针对西方音乐的研究相对活跃,而针对中国民族音乐自动创作的研究较少,本文目的在于对算法作曲进行研究,将深度学习等人工智能技术应用到中国民族音乐创作上来,对传承和发展中国民族文化具有重要现实意义。本文主要研究工作及创新点如下:(1)数据预处理部分,本文提出了一种升降采样编码方法,解决了传统算法作曲研究当中,将旋律的音高与时值提取作为相互独立的训练特征,未能表征出音高与时值的节奏关系,导致网络模型不能更好地学习音乐风格的问题。音乐的节奏对音乐风格的体现起着重要的作用,升降采样编码方法通过将音高与时值编码再送入网络模型训练,有助于网络模型对乐曲节奏风格的学习,使得作曲网络模型可以生成风格鲜明的乐曲。(2)网络模型构建部分,本文以典型的二声部民歌为研究对象,依据各种算法的优势,利用马尔可夫模型,双向门控循环神经网络和曲线拟合三种算法混合设计作曲网络结构进行二声部民歌创作,本文网络设计中首先针对民歌创作中的动机旋律知识规则设计马尔可夫模型用于生成动机旋律,为后续算法作曲提供总的初始条件。然后采用能够挖掘上下文音符序列信息的双向门控循环神经网络对自主采集的MIDI民歌数据集的风格进行学习得到预测模型,预测模型结合输入的动机旋律生成一声部民歌旋律,同时在一声部民歌旋律基础上,研究二声部民歌声部之间旋律的关系,采用曲线拟合的方法对二声部旋律建模,通过对比实验,使得测试集在本文提出模型上准确率达到了88%。(3)作曲质量评估部分,本文设计了客观评价和主观评价两种评价方法。客观评价方法是通过对音乐乐理规则分析,设计适合评估二声部民歌旋律的准则,该准则用于挑选出最适合生成二声部民歌旋律的曲线拟合函数。主观评价方法是通过邀请多名不同层次的听众对生成的乐曲进行试听评价,并采用结合熵权法的模糊综合评价方法对每首乐曲综合打分,最终的评价结果验证了本文作曲模型设计的可行性和应用价值。