水泥28天抗压强度值是确定水泥标号的主要依据,对于这个值的预测,传统的数据分析方法已远不能处理生产过程中存在的多变量、非线性变量间的高度冗余数据,但这些高维数据包含了原始数据大量的重要信息,给我们在数据分析的时候带来了相当大的困难。因此在对高维数据进行处理和分析的时候,必须对原始数据进行降维处理,然而传统的方法没有提供有效的手段来提取其中的有用信息,这样就造成了资源的极大浪费。近年来,国内外一些研究者将人工智能算法应用到了水泥强度预测方面,取得了一定的成果,目前应用比较广的一种是直接利用神经网络对原始数据进行预测,另一种是将统计模型和传统神经网络两者结合起来。神经网络直接预测模型由于缺少对样本原始数据的前期预处理,存在一定的局限性。将统计模型和传统神经网络相结合的模型对训练网络要求较高,不能有效提取更多的主成分,这样就造成原始数据信息的丢失,影响网络模型的预测精度。本文应用主成分分析的方法对样本的原始数据压缩和优化,并将用于输入的神经网络进行了改进,将基于小波分析的神经网络作为样本的输入,利用所提取的主成分,作为新的输入变量,与小波神经网络相融合,构建水泥28天抗压强度预测模型。该方法不仅能提取原始数据间的大部分重要信息,而且能精简网络结构,优化网络模型性能。得到了一种结构更加简单,收敛速度更快,预测更加精准的网络模型。