由于自密实混凝土（Self-compacting concrete,SCC）具有优异的工作性能,其被广泛应用于许多建筑项目中,用量也逐年递增。河砂做为混凝土主要原材料之一,是一种短期不可再生资源,储量有限,它的应用也越来越受到各种条件限制。近年来,机制砂作为河砂的合适替代材料应用在自密实混凝土中。同时随着混凝土材料的发展以及建筑行业对自密实混凝土性能和功能的需求,混凝土制作过程中需要大量的外加剂和掺合料,确定配制特定性能混凝土的配合比至关重要。然而,目前的自密实混凝土配合比设计主要是依靠规范和经验公式来确定原料配比,再通过实验不断调整和优化,最后得到性能较好的混凝土配合比。这种方法不仅理论计算复杂、工作繁琐,且原材料消耗大,不能满足现代社会对建筑行业提出的绿色、环保和经济的要求。研究者们能够在无需详细了解人工神经网络（Artificial neural network,ANN）的潜在物理机制的情况下,直接根据输入向量和输出向量之间可能的复杂关系,建立它们之间的关系模型。利用人工神经网络进行机制砂自密实混凝土配合比设计,不仅可以高效的构建混凝土材料性能参数、工作性能、力学性能与混凝土各组分质量的关系模型,还能够减少混凝土配合比计算工作量,降低试验试配次数和时间金钱成本。本文所开展的研究工作主要有:首先,本文根据《CECS 203-2006自密实混凝土应用技术规程》和《JGJT 283-2012自密实混凝土应用技术规程》进行自密实混凝土配合比设计,研究了机制砂级配对自密实混凝土流变性能、工作性能和力学性能的影响。实验结果表明,机制砂级配对自密实混凝土拌合物屈服应力的影响大于其对拌合物塑性粘度的影响。这是因为机制砂级配与河砂不同,并且各粒径的砂所占比例也不同,使得拌合物的吸水率和浆体的包裹量与同配比的河砂混凝土不同,从而导致浆体中颗粒的接触程度和作用力不同。当水胶比为0.30,砂率为46%时,细砂、中砂和粗砂制备的机制砂自密实混凝土抗压强度都达到本实验设计标准50MPa,而它们的工作性能差异较大。在本实验中,使用的细砂其粒径在0.15～0.30mm范围内的颗粒含量较高（约43%）,细颗粒的比表面积较大,导致了混凝土拌合物的吸水量和需水量增大,流动性变差。而粗砂由于其粒径在2.36～4.75mm范围的颗粒含量较高（约49%）,粗颗粒过多,降低了混凝土拌合物的粘聚性,使得拌合物出现离析和泌水的现象。其次,本文通过研究水胶比、粉煤灰掺量和砂率对机制砂自密实混凝土工作性能和力学性能的影响,探究了自密实混凝土配合比设计技术要点。研究表明,当水胶比在0.36～0.40之间,粉煤灰掺量小于15%,砂率在48%～52%之间时,机制砂自密实混凝土工作性能良好,抗压强度高,这给自密实混凝土在工程中的实际应用提供了指导意见。第三,本文基于人工神经网络中的Adam自适应学习率算法,构建了预测机制砂自密实混凝土配合比的BP神经网络模型。以实验数据作为训练数据,通过增加网络的复杂度,确定了性能最优的配合比预测网络。研究表明,随着隐藏层神经元节点个数的增加、输出层维度的扩大和隐藏层层数的增加,网络对机制砂自密实混凝土各组分的预测精度不断地提高,并达到了预期的标准。混凝土各组分的相关系数值（R2）高于0.9,趋近于1,平均绝对百分比误差值（MAPE%）小于5%。第四,本文采用灰色关联分析法对BP神经网络的敏感性进行了分析。预测网络敏感性分析表明,机制砂自密实混凝土的坍落度和坍落扩展度对网络预测值的影响最大,而机制砂的粒径对网络预测值的影响最小。最后,基于以上研究,本文使用PyQt5（designer）框架开发了机制砂自密实混凝土配合比预测软件,软件界面操作简单,使用方便,大大提高了配合比预测效率。