建筑结构桩基础选型是一个涉及面广、综合性强的工作，需要多方面的知识和丰富的工程设计经验，它具有强烈的综合性，包含大量不确定性(随机性、模糊性和未确知性)信息，用传统的准则法或者数学规划法对此问题进行建模和求解很难奏效，目前国内外尚无理论对其进行充分的研究，此种情况，确定性分析方法对其无能为力而神经网络等非确定性方法却有很好的用武之地。本文介绍了一种基于人工神经网络的方法来进行建筑结构桩基础选型，它充分运用了神经网络高度的非线性、高度的容错性和鲁棒性、自学习、实时处理等特点。本文研究结果表明，利用人工神经网络方法可以解决建筑结构桩基础选型问题。 文中概述了BP神经网络的基本原理，并对Matlba6.5人工神经网络工具箱做了简要的介绍。在建立基于人工神经网络的建筑桩基础选型的数学模型时，首先分析桩基础主要结构型式的特点以及适用范围，提取了桩基础选型的主要控制因素，探讨了BP人工神经网络隐含层个数和隐含层单元节点数的选取问题，确定了BP人工神经网络的隐含层结构，在Matlab6.5的环境下建立了桩基础选型的BP人工神经网络模型。利用确定的BP网络结构，分别采用几种改进的BP算法分析、解决桩基础选型问题，根据比较选出适合本文模型的BP算法——Fletcher-Powell共轭梯度反向传播算法。基于以上的研究，在Matlab6.5下构建了人工神经网络的桩基础选型模型，利用Matlab语言编制人机交互式界面，方便设计人员选择适当的桩基础形式，并使选型过程简单明了。 在建立的模型中输入典型工程项目工程地质资料数据作为网络学习训练样本，对建立的神经网络模型进行训练，优化网络模型。经检验，训练好的网络模型性能良好，达到了智能预测的目的。从而表明运用神经网络方法在桩基础选型设计中具有重要的参考价值和现实意义。