神经网络模型的优点是，不象传统的计算机程序，它不编入固定的数学算法以解决特定的问题，它是智能编程。在通常情况下，当数据没有一个简单的型式，或者合适的方程是更高次的多项式时，普通的统计建模可能在精度上有局限性。人工神经网络运用学习算法去寻找*优解。神经网络系统通过学习样本来对自身进行训练，当每一组数据被输入时，网络的实际输出与希望输出之间的差别被用来修改连接权，对连接权的修改或者说对网络的训练一直进行到所有样本的实际输出与希望输出在某种特定的限度内相一致时为止，此时，可以说神经网络已经训练好了，并准备接受需要求解的新输入。

　　人工神经网络的数据流图2BP算法与应用实例应用BP神经网络对润滑油的使用寿命进行估计。BP神经网络是目前使用*为广泛的神经网络，理论上已经证明，一个3层BP网络可以以任意精度去逼近任意影射关系。应用BP网络估计润滑油的使用寿命可以分为3个阶段：一是建立学习样本阶段，学习样本的建立是通过使用油的间歇采样和测试各个关键特性，如粘度、闪点、含水量、不溶物比例、TBN等完成的；二是网络训练阶段，网络模型的训练是基于每一特性的，网络的输入值取为各个特性的测试结果，输出值取为每一特性的测试结果所对应的采样时间，对网络的训练一直进行到收敛为止；三是网络工作阶段，即估计使用寿命阶段，当用训练好的BP网络去求解润滑油的使用寿命时，润滑油的使用寿命可定义为网络上所有输出值（极限使用时间）的*小值。