铸造业对国民经济的发展有着举足轻重的影响,随着铸造业向规模化和精密化生产发展过程中,对砂型粘结剂提出的要求也越来越高。由于CO₂硬化碱性酚醛树脂的合成有工艺繁琐的缺点,因此采用神经元网络建立模型,利用传统的实验与计算机应用相结合的方法来实现CO₂硬化碱性酚醛树脂合成工艺的优化,可以提高砂型的性能,节省试验所用材料。人工神经网络是80年代末开始迅速发展的一门非线性科学。人工神经网络在从实验数据中通过自学习自动获取数学模型方面具有独特的优越性,它无需人们预先给定公式的形式,而是以实验数据为基础,经过有限次的迭代计算,就可获得一个反映实验数据内在规律的数学模型,神经网络尤其适用于处理规律不明显、组分工艺变量多的问题。本文首先分析了CO₂硬化碱性酚醛树脂合成的原理,在熟悉了酚醛树脂的合成方法的基础上进行一定数量的实验,为神经网络模型的学习和校验准备足够的数据。依据人工神经网络技术的功能和特点,采用反向传播算法（BP算法）建立了反映酚醛树脂合成工艺及性能的神经网络模型。在训练过程中,为加快网络学习速率和避免网络剧烈震荡,采用附加动量项的方法,对BP算法进行改进。并最终建立BP神经网络模型。同时也对CO₂硬化碱性酚醛树脂粘结剂的发气量,溃散性等工艺性能进行了更深的测试,进一步证明了CO₂硬化碱性酚醛树脂粘结剂的优越性。最后对CO₂硬化碱性酚醛树脂粘结剂做了经济性分析,表明其作为铸造粘结剂具有明显的生产实用价值和经济效益。