在混凝土耐久性问题普遍受到重视的情况下，如何有效开展混凝土耐久性研究，提高试验效率就显得尤为重要。许多工程实际及研究资料表明，混凝土耐久性试验项目繁多，数据量庞大，受技术装备、经验、原材料性能及地域性差异等多种因素的非线性影响，使得耐久性混凝土的配制模式和性能预测滞后。工程实际中混凝土的许多性能参数的长期值，如应力分析、强度计算和仿真分析都很重要，而这些数据用实验的方法测定需要很长的时间。因此，如何对这些数据进行处理、分析，进而应用预测模型进行混凝土的性能预测，具有理论和现实意义。本文针对混凝土耐久性的研究方法和研究手段，研究并开发了混凝土耐久性试验数据库管理系统。在取得足够的实验数据的基础上，应用BP神经网络和灰色系统建立性能预测和影响因素量化分析模型。神经网络是模仿人脑神经而建立起来的信息处理系统，由大量简单的神经元相互连接而成，具有高度的非线性。它可以从已有的试验数据中通过一定的算法自动获取信息、总结规律，从而实现性能预测和配合比优化设计。混凝土碳化和钢筋锈蚀是复杂的动力学演化过程，在混凝土耐久性设计中，需要根据混凝土参数及环境因素通过数学模型预测混凝土在未来设计年限的碳化深度和钢筋锈蚀量，这就要求建立混凝土碳化深度、钢筋锈蚀量与各自参数间的数学模型，而影响混凝土碳化深度和钢筋锈蚀的许多因素或现象都具有高度的不确定性。本系统引入以灰色模块概念为基础的灰色预测模型，通过建立GM(n，h)(n表示微分方程的阶数，h表示变量的个数)微分方程的连续模型，适用于对具有高度不确定性过程的预测和量化分析研究。实际应用结果表明，应用本系统极大地方便了研究者收集、整理和分析试验数据，为试验数据管理科学化、规范化提供了先进的手段。采用系统的BP神经网络和灰色系统的预测模型，可以获得满意的精度，为类似的试验提供可参考的性能参数，从而减少试验次数、节约时间、降低试验劳动强度。应用灰色关联分析，可从众多的因素中提取出影响性能的主要因素，其分析结果与定性分析结果吻合性高。