众所周知,配方调试过程是陶瓷生产的一个重要环节,而影响配方调试的最主要因素则是选择原料问题。由于建筑陶瓷原料种类繁多且又分布广泛,导致同一种原料会有成百上千种原料信息。如何选取相似的原料进行配方是陶瓷产业需要迫切解决的问题,因此对建筑陶瓷原料进行分类就显得尤为重要。目前,已经有学者采用聚类分析法、因子分析法等方法对陶瓷原料进行分类,但是这些方法都是传统的数理统计法,并且由于建筑陶瓷原料分类的复杂性和原料成分因素的多变性使得这项任务非常艰巨,传统的模式分类方法已经不能满足这种需要。　　 本文在深入分析前人研究的陶瓷分类方法和学习人工神经网络技术的基础上,提出了利用BP神经网络技术进行建筑陶瓷原料分类数据库的设计方法。本文首先研究如何建立非线性的建筑陶瓷原料分类模型,通过该模型对训练样本数据进行学习,确定网络模型的特性参数,并将其存储在网络模型中的权值和阈值中,最终用以分类建筑陶瓷原料。其次,为了将MATLAB的神经网络工具箱和C＃.NET的友好界面设计功能相结合进行建筑陶瓷原料分类数据库的设计,本文还研究了采用MATLABEngine引擎方法将两者进行混合编程的方法。最后,采用MATLAB和C#.NET工具进行基于BP神经网络的建筑陶瓷原料分类数据库系统的设计与实现。　　 结果表明,利用BP神经网络对建筑陶瓷原料进行分类取得了比传统方法更准确的分类效果。基于BP神经网络的建筑陶瓷原料分类数据库不但能帮助陶瓷配方人员快速准确的选择原料,又能使得建筑陶瓷原料数据得到有效管理。因此,采用BP神经网络技术对建筑陶瓷原料进行分类是可行的,并且为陶瓷产业信息化的发展提供了有力的技术支持。