人类健康的主动脉作为从心脏输送血液至全身细小血管的主要途径,其力学性能与诸多心血管疾病具有直接或间接的联系。因此,对动脉血管壁力学性能进行研究并对其材料参数识别是生物力学领域重点关注的课题之一。论文以健康成年牛的动脉血管为研究对象,对其进行单轴拉伸实验,并采用超弹性材料本构模型进行有限元建模,基于智能算法,对动脉血管壁的材料参数进行预测,得到了动脉血管壁的材料参数,并比较了各种算法的效率和精度,为动脉血管力学性能的研究提供参考和帮助。主要包括以下几个方面:（1）沿获取到的动脉血管壁实验样本轴向、环向和45°方向切取条状试样,分别对其进行无约束单轴拉伸实验,提取各试件在拉伸过程中的应力-主伸长数据。随后依据试样尺寸建立了动脉血管壁的有限元模型,依据实验条件对动脉血管壁施加了载荷和边界条件,对动脉血管壁的单轴拉伸过程进行了有限元仿真,提取了在拉伸过程中的应力-主伸长仿真数据。（2）将小生境技术引入遗传算法中,基于Python语言编写了针对材料参数识别的小生境遗传算法程序,结合有限元模拟和实验数据,确定了组合式目标函数中各项的最佳系数,识别了牛动脉血管壁轴向、环向和45°方向的材料参数,并利用平均相对误差统计指标对该方法的准确性进行了评估。（3）基于Tensor Flow数学系统搭建了针对材料参数识别的直接反问题神经网络和双向神经网络,通过学习训练有限元模拟生成的数据集和通过正问题神经网络生成的数据集,结合各试件在单轴拉伸实验中的拉伸应力数据,识别了牛动脉血管壁各方向的材料参数,利用损失函数对神经网络的性能进行了评价。（4）采用时间指标和确信度指标对智能算法预测动脉血管壁材料参数进行评估,比较不同方法在预测过程中表现出的优势和缺点,为动脉血管壁材料参数的识别和力学性能研究提供了高效、准确的方法,同时也为合理选取智能算法提供了参考和帮助。