随着我国经济技术的飞速发展和城市化进程的不断推进，现代建筑越来越大、越来越高。基础结构对建筑物的安全和经济显得更加重要。桩基结构是现代建筑最常用的基础结构形式，广泛的应用于高层建筑、铁路、公路、桥梁、电力、港口码头、海上钻井平台和水利工程等。 确定单桩极限承载力是桩基设计的基础，合理的评价和确定单桩极限承载力，关系到整个工程的安全和经济。人工神经网络理论是模仿人脑学习和组织能力的一种数据处理系统，其本质是建立输入层各参数到输出层各参数的一个映射，从而反映输入层参数对输出层参数的影响形式和逼近，进而反映输入层参数和输出层参数之间的本质联系。 在前人研究成果基础上，基于分析钢筋混凝土预制桩、深层搅拌桩单桩极限承载力的影响因素，利用MATLAB神经网络函数工具箱和简单编程完成了神经网络建模。在BP网络建模中，分别采用传统BP(Back-Propagation)算法、共轭梯度法(ConjugateGradientDescent法)、拟牛顿法(Quasi-Newton)以及LevenbergMarquardt算法进行网络优化比较，同时进行了参数优化和仿真检验，认为四种算法中LevenbergMarquardt算法训练的网络性能最佳，并选取了最优的BP模型。然后利用最优的BP网络分别采用ForwardsSelection方法、SensitivityAnalysis方法以及承载力对各影响因素的反应谱分析法进行分析，确定了各影响因素的敏感性排序，三种方法的分析结论基本一致，且与实际情况符合。在对RBF网络的关键技术分析中，重点进行了待定参数优化以及样本重构对网络性能的影响，通过工程实例仿真效果比较理想。 通过研究认为：神经网络是一种较好的考虑土的工程性质和桩—土结构相互作用的先进方法，是一种对预测单桩极限承载力行之有效的方法。