数码印刷最重要的承印物是数码印刷用纸，数码印刷用纸的特性参数决定着数码印刷质量的好坏。在实际数码印刷作业中，时常出现数码印刷用纸网点异常扩大的现象，这将导致印刷字体和花点模糊、色彩偏差过大、皱纸甚至数码印刷设备损坏等问题。究其原因，是没有针对数码印刷用纸的特性参数及其网点扩大规律做出正确的评判。因此建立数码印刷用纸的特性参数和网点扩大规律的映射关系具有重要意义。　　首先，本文对国内外数码印刷用纸研究进行了概括和总结，分析了现阶段数码印刷各方面所存在的问题。针对目前的研究方法不能综合考虑数码印刷用纸特性参数对数码印刷质量做出准确预判的不足，提出需要建立了一种非线性映射模型，来反映数码印刷用纸特性参数与其网点扩大规律的关系。　　其次，通过基于反向传播函数(BP)神经网络的方法，建立从数码印刷用纸特性参数到其网点扩大规律的映射预测模型。通过此模型对任意特性参数的数码印刷用纸作业对照表进行预测。经过插值算法，绘制印刷作业曲线。　　然后，通过基于径向基(RBF)神经网络的方法，建立数码印刷用纸特性与其网点面积扩大规律关系的预测模型。通过此模型预测任意参数的数码印刷用纸的作业对照表，经过插值算法，绘制印刷作业曲线。对比基于BP神经网络方法预测模型，显示基于RBF神经网络方法的预测模型能够较好的对数码印刷用纸作业对照表进行预测。　　最后，通过基于RBF神经网络的方法，建立从包括数码印刷用纸特性、已有数码印刷用纸作业对照表到任意特性参数数码印刷用纸网点扩大的印刷作业曲线的映射预测模型。通过此模型对任意特性参数的数码印刷用纸的作业曲线进行连续预测，并对此模型做出评价，发现此模型能够克服通过插值算法绘制印刷作业曲线的震荡过大和交叠的缺点，且使曲线变光滑，更加贴近实际数码印刷作业。