计划任务全部按时完成，在此基础上取得以下重要研究成果：. (1) 在分析介电机理的基础上，运用数学方法建立了湿型砂试样在电场下的介电/导电模型。结果表明，湿型砂的电流由贯穿电流和吸收电流构成。由于吸收电流的作用，在直流激励电场接通的瞬间，湿型砂试样上的有一电流最大值，然后电流按指数规律快速下降。根据该模型，湿型砂试样的等效电路可简化为由n个平行板电容器串联构成。. (2)运用数学方式分析了平行电极和圆弧形电极对介电/导电特性的影响。为使砂样的介电/导电能力易于测量，即回路电流值i较大，应该选择电极形状使R值较小而C值较大为宜。据此，设计了圆柱形和方柱形砂样取样器，并通过试验证明：圆柱形取样器更加适合于湿型砂介电/导电特性的测量。. (3) 选取了理想的激励源参数为，交直流幅值20V，交流源的频率为1kHz、波型为正弦波。. (4)利用选定的激励源参数在交直流电场下，对含水量1%-7%、粘土含量3%-7%的湿型砂进行了交直流电场下的介电/导电特性研究。分析了含水量和粘土含量对交直流电场下的介电/导电特性的影响，他们之间存在确定关系，但是这种关系并不是一种能够数学式表示简单关系。. (5)针对湿型砂组分与介电/导电特性参数复杂关系的特点，采用人工神经网络技术来预测。构建了由4个输入节点、6个隐层节点和2个输出节点的BP人工神经网络湿型砂组分求解模型，并设计了网络训练程序。为了提高网络的实用性，从泛化能力、鲁棒性和收敛性三方面进行了改进。为了提高湿型粘土砂组分求解网络的泛化能力，采取三种措施：筛选合理的训练样本；优化网络结构和改进算法；为提高鲁棒性，采用具有平滑特性的双曲正切函数。. (6)实验室条件下，对网络模型的效果进行了评价。以传统方法测试结果为真值，人工神经网络求解有效粘土含量的绝对误差＜±0.25%，含水量的绝对误差＜±0.15%。