网络管理是一个专门的计算机研究方向。本文根据当前专家系统理论的最新发展，就专家系统在网络性能管理中的应用进行了研究，提出了在网络性能管理中使用基于模糊BP神经网络的模糊专家系统的方法，充分利用其在处理不确定性知识和神经网络在模糊推理、自动学习和并行处理等方面的优势，以克服传统专家系统的不足。 首先，针对确定BP神经网络隐含层神经元数目存在的困难以及传统BP学习算法存在的缺陷，根据我们研究的具体情况，提出了一种新型的模糊BP神经网络的结构模型，并给出其连接权值和阈值以及隶属函数参数调整的方法及推导过程。根据共轭梯度算法，推导出BP学习算法中学习率与动量项系数存在的关系，进而提出一种自适应确定学习与动量项系数、神经网络结构的新方法，以快速确定神经网络的结构，并用实验证明算法的有效性。 其次，对模糊逻辑、神经网络和专家系统等技术的结合进行了研究，给出基于模糊BP神经网络的模糊专家系统结构，并对其实现进行理论方面的研究，同时将它与传统专家系统进行比较分析。 然后，在讨论网络管理专家系统的特点和需求的基础上，提出一种广西大学顷士研究生论文 摘要新型的基于FBPNN的网络管理专家系统的结构模型，该结构能比较好地结合了网络管理和专家系统的特点。 最后，对网络性能管理功能域中基于FBPNN的网络系统瓶颈检测专家系统的实现进行了初步的探讨与研究，并给出一实验性软件。