提出基于误差反向传播神经网络(Back Propagation Neural Network，BPNN)的高维模型表示(high dimensional model representation，HDMR)方法，即BPNN-HDMR方法．BPNN-HDMR方法的显著优势是将BP神经网络的非线性函数逼近能力与高维模型的层级结构理论相结合来构建近似模型，并能够揭示输入变量之间固有的线性或非线性关系及其相关性，将构造模型复杂度由指数级增长降阶为多项式级，有效地解决了高维建模问题．通过测试和对比验证了该算法的效率
