本课题将人工神经网络技术引入服装压力舒适性的研究中，力图建立一个软件实现的前馈式BP神经网络模型，达到对服装压力舒适性更为准确、迅速的预测。 　　为了预测服装压力舒性，将BP网络模型的输入层设为服装压力舒适性的影响因素，输出层为人对服装压力的主观判断和服装客观压力值。首先要确定人工神经网络输入层和输出层的神经元数。测试服装织物的物理性能，并利用因子分析方法提取主要的8个物理性质参数，这8个物理性质参数构成神经网络的输入层神经元。进行服装穿着实验，得到服装压力舒适感和服装压力感的主观评价，在穿着实验中同时用微压力传感器装置测量服装压力。服装压力舒适感、服装压力感、服装压力客观量值作为人工神经网络的输出层神经元。由此设计出一个输入层(神经元数是8)，一个中间层(神经元数是7)，一个输出层(神经元数是3)的BP神经网络模型。本论文用C语言编程利用实验样本实现服装压力舒适性的BP神经网络的训练，经过计算得出各神经元之间的权值，得到反映服装压力舒适性的主要物理性质与服装压力舒适感及服装压力感关系的神经网络模型。论文最后对训练之后的人工神经网络进行了验证，通过输入影响服装压力舒适性的物理性质参数，对服装压力舒适感、服装压力感，服装压力值进行预测。结果显示预测值与实验值有很好的相关性。可见本文所建立的BP人工神经网络用于预测服装压力舒适性是可行的。