焊接变形在船舶制造过程中是普遍存在的问题，焊接变形不仅影响船舶的外观质量，而且严重影响船体结构及水动力性能。焊接过程是一个高度非线性、多变量耦合作用、同时具有大量随机不确定因素的复杂过程。在这种复杂的环境下，应用数值方法和解析方法预测焊接变形需要大容量计算机和极为耗时的运算，而且缺乏适应环境的灵活性，很难应用到实际焊接变形预测中。 笔者在广泛了解国内外有关焊接变形预测方面研究情况的基础上，结合船舶制造过程中钢板焊接的实际，分析了影响焊接变形量的种种因素，提出了用遗传算法与人工神经网络相结合的方法来建立焊接变形预测模型，实现对焊接变形量的快速预报，提高焊接质量。 本文在介绍应用BP(Back-Propagation)神经网络建立焊接变形预测模型的基础上，重点介绍了为克服BP神经网络收敛速度慢，容易陷入局部极小点的缺点，应用遗传算法来优化BP神经网络的连接权值和阈值，从而提高BP神经网络的收敛速度和预测精度的建模过程。用遗传算法与神经网络相结合方法建立的焊接预测模型，仿真结果表明其优于单纯BP神经网络建立的焊接变形预测模型。笔者为了进一步验证用遗传算法与神经网络相结合建立起来的焊接变形预测模型的正确性和有效性，还应用径向基函数RBF(RadialBasisFunction)网络建立焊接变形预测模型，进行分析，其结果使其正确性和有效性得以证明。 笔者在建模和仿真过程中，充分应用了MATLAB的有关工具箱，并运用MATLAB提供的编程语言，实现了将预测模型用于实际的人机接口，使其具有实用性。