摘要：针对非等间隔的受加油因素影响的光谱油样分析数据的建模预测问题，利用人工神经网络高度的并行分布式、联想记忆能力、自组织学习能力和极强的非线性映射能力，建立了BP神经网络的多变量预测模型。同时，用遗传算法对网络参数进行了优化。最后，利用两组实际的航空发动机油样光谱分析数据对模型进行了验证。结果表明，提出的神经网络多变量预测模型能有效解决实际的受多因素影响的油样分析数据建模问题，具有较强的工程实用价值和通用性。

关键词：油样分析 多变量预测 非等间隔 加油 bp神经网络 

单位：南京航空航天大学理学院; 南京210016; 南京航空航天大学民航学院; 南京210016