混凝土抗压强度是评价混凝土性能的重要指标,提出一种准确合理的混凝土强度预测方法能够节约资源、时间及成本,具有重要的现实意义。而再生保温混凝土组成材料繁多且内部作用复杂,对其强度的预测是一个典型的多变量、非线性问题,难以用确定的数学公式对其强度进行预测。因此,迫切需要寻求一种新思维、新方法来解决此问题。作为人工智能的分支,近年来人工神经网络及遗传算法等新技术得到了广泛应用,并在混凝土性能预测领域取得了较为理想的效果。故本文利用这两种技术对再生保温混凝土抗压强度进行预测研究,主要研究内容如下:（1）建立基于BP神经网络与GA-BP神经网络的再生保温混凝土抗压强度预测模型收集课题组相关试验数据作为训练样本,对影响再生保温混凝土抗压强度的因素进行分析,选择水胶比、胶凝材料总用量、硅灰取代率、纳米SiO₂取代率、细骨料用量、砂率、外加剂掺量、再生粗骨料取代率,混合粗骨料压碎指标、吸水率、表观密度这11因素作为神经网络的输入参数,并经过试算与理论分析,确定网络建立所需要的所有参数。最终,网络经过训练后即可得到网络结构为11-20-1的再生保温混凝土抗压强度BP神经网络及GA-BP神经网络预测模型。（2）基于试验数据对两种再生保温混凝土强度预测模型进行评价设计12组再生保温混凝土试验作为网络的预测样本,分别使用两种网络对其强度进行预测,通过比较网络预测值与试验值之间的差异来评价网络的预测精度。预测结果表明:相比于再生保温混凝土BP神经网络强度预测模型,GA-BP神经网络强度预测模型的预测精度更高,其预测相对误差均在10%以内,能够满足实际工程的需要。