建筑废弃物以传统填埋方式进行处理会浪费土地资源,并造成空气和水质污染。因此,本研究将建筑废弃物中的红砖、玻璃和再生混凝土破碎筛分为不同粒径的再生细骨料与再生粗骨料,继而利用这些再生骨料取代天然骨料制备装配式预制构件,以满足我国建筑工业化的需求。此预制构件由两层组成,分别是光催化砂浆面层和再生混凝土基层。面层是由再生砂复合光催化剂制备的光催化再生砂浆,基层是由短切玄武岩纤维增强的再生混凝土。针对此双层预制构件,论文依次对再生砂复合光催化剂的制备和性能、再生砂复合光催化剂光催化砂浆面层的制备和性能、短切玄武岩纤维增强的再生混凝土基层的制备和性能、构件整体的制备和性能进行了深入的实验研究,并进一步通过响应面法和人工神经网络算法构建数学模型对实验数据进行了拟合及预测分析。主要内容如下。（1）再生砂负载纳米二氧化钛制备复合光催化剂建筑废弃物经破碎筛分后可得再生骨料。其中,粒径介于0.6 mm到4.75 mm的再生骨料是再生砂。再生砂包括再生红砖砂、再生玻璃砂和再生混凝土砂。论文提出利用负载法将再生砂与纳米二氧化钛光催化剂相结合制备复合光催化剂。此处负载法指将再生砂浸入纳米二氧化钛溶液中,并经过浸泡、静置、烘干和筛分等一系列步骤制备成品的方法。针对此复合光催化剂,本研究确定了其最佳制备工艺并探究了骨料粒径、颜色和原生混凝土性质对其光催化降解氮氧化合物和硫氧化合物的影响。研究发现:1)用以浸泡再生砂的纳米二氧化钛溶液的最佳浓度为1%,再生砂与纳米二氧化钛溶液的最佳配比为80:100,复合光催化剂最佳制备条件为20k Hz下超声震荡一个小时并辅之以48h的浸泡;2)通过微观形貌观察和称量法定量分析,每克烘干与筛分后的复合光催化剂表面与内部孔隙中均有效负载有1.3×10-3 g到4.6×10-3 g的纳米二氧化钛光催化剂;3)复合光催化剂的光催化效率随粒径的增加而降低,同等制备条件下,0.6-1.18 mm的光催化剂催化效率最高,而2.36-4.75 mm的光催化剂催化效率最低,仅为前者的56%;4)对于不同颜色的再生玻璃砂载体,光催化效率随着颜色的加深逐步下降,透明色具有最高的光催化效率,其对1000 ppb的二氧化硫的降解效率可达10.3 mg/m~2h,此值约是黑色玻璃砂复合光催化剂光催化效率的一倍;5)复合光催化剂具有良好的重复使用性能,经过5次光催化循环后仍具有90%以上的光催化效率。（2）复合光催化剂取代天然河砂制备光催化砂浆面层复合光催化剂以0%、25%、50%、75%和100%的质量取代率取代天然河砂制备光催化砂浆面层。其中复合光催化剂对天然河砂的取代形式又可分为单独取代和复合取代。单独取代指同一类型复合光催化剂对天然河砂的取代,复合取代指两种复合光催化剂以0:100、25:75和50:50三种配比形式整体取代天然河砂。研究发现,相较于传统的直接掺入法,再生红砖砂复合光催化剂与再生玻璃砂复合光催化剂以75:25的配比整体100%取代天然河砂可以将光催化砂浆的光催化效率提升71.7%,并且同时将砂浆使用成本降低80%。再生玻璃砂复合光催化剂与再生红砖砂复合光催化剂复掺可提升新拌光催化砂浆的流变性能,使得屈服应力和塑性粘度分别下降35.38%和28.73%。再生红砖砂复合光催化剂和再生玻璃砂复合光催化剂复掺还可以对光催化效率产生正向的耦合效应。此外,再生红砖粉可以取代偏高岭土用来抑制玻璃砂的碱骨料反应。当30%的水泥被再生红砖粉取代时,砂浆14天膨胀率为0.024%,低于国标限值0.03%。（3）短切玄武岩纤维增强再生混凝土制备基层论文选取短切玄武岩纤维掺量和再生骨料取代率两个维度研究了短切玄武岩纤维增强再生混凝土的最佳配比。每个维度分别选取3个水平,即纤维体积掺量0%,0.25%和0.5%,以及再生骨料对天然骨料的体积取代率0%、50%和100%。研究发现,短切玄武岩纤维的最佳体积掺量为0.25%。以天然混凝土（粗骨料100%为天然骨料）性能指标为基准,0.25%短切玄武岩纤维增强的100%再生粗骨料混凝土的抗压强度为96.93%、抗折强度为108.6%、劈裂抗拉强度为106.63%、比强度为110.5%以及折压比为112.04%。由此,短切玄武岩纤维增强再生混凝土的主要性能均接近或超过天然混凝土。考虑到构件实际使用过程中应具备长期且稳定的光催化性能,本文还研究了构件时间效应叠加环境效应下的光催化耐久性能。研究发现,标准养护和碳化养护条件下,氮氧化合物降解率均会随着养护时间的增加而逐渐下降。相对于标准养护,碳化养护几乎在每个阶段对光催化效率的影响都更显著。尤其是当养护时间超过56天之后,标准养护下氮氧化合物降解率基本不再下降,而碳化养护下光催化效率依然有一定程度的下降。此外,在打磨等极端条件下,构件的光催化效率仍能维持在90%以上。（4）响应面分析法、人工神经网络算法与自适应神经模糊推理系统构建数学模型论文分别通过三维趋势面构建的响应面、反向传播算法构建的人工神经网络和基于神经网络和模糊推理系统的自适应神经模糊推理系统建立了数学模型以分析两个典型环境变量（污染物初始浓度和流速）对光催化性能的影响。其中,响应面模型设二元二次或二元三次多项式为目标函数,并通过方差分析和多元线性回归分析在95%的置信水平下确定目标函数的待定系数。人工神经网络模型设定为2-5-1结构。隐含层个数设置为1,隐含层神经元个数设置为5。隐含层和输出层的传递函数分别设定为“tansig”和“purlin”。自适应神经模糊推理系统选取具有3个参数的钟型函数作为隶属函数对输入变量进行模糊化处理。钟型函数平滑且无零点的特性可以较为精准的将输入值一一映射到模糊集中。模糊集经9条预设IF-THEN规则处理后经由线性函数并以加权平均的形式还原为真实输出值并于目标输出值进行比较。在既定容许误差为0.01的情况下,模型通过反向传播法和最小二乘法的混合算法调整隶属函数的参数并优化模型。研究发现,响应面模型、人工神经网络模型与自适应神经模糊推理系统模型均能对进行有效的拟合与预测。相对于传统的单因素分析法,响应面模型可以以趋势面的形式更为直观清楚的展示变量间的协同作用,但受限于多项式形式的拟合方程,其精度相对人工神经网络模型较低且在统计学上的可靠度也低于后者。人工神经网络模型通过其内部复杂的传递函数以及对不同变量进行不同的权重和偏差赋值,可以降低预测值与真实值之间的偏差且可以平抑不同测试组的偏差波动。但是,人工神经网络的黑箱结构削弱了其直观性。因此论文选取了兼具响应面法和人工神经网络法优点的自适应神经模糊推理系统进行模型构建,发现污染物质初始浓度与流速均负相关于光催化效率。