基于统计数据的建模是基于观测、实验或测量得到的原始数据,运用统计方法分析和归纳出数据之间的结构和相互关系的模型。传统的辨识方法,在应用于一般非线性系统的参数估计方面存在着一定的困难。而神经网络具有通过学习逼近任意非线性映射的能力,将神经网络应用于非线性系统的建模与辨识中具有独到的优势,可以不受非线性模型的限制,便于给出工程上易于实现的学习算法。本文在广泛查阅资料并了解相关研究进展的基础上,以基于神经网络的数据统计建模为目标,研究了不同神经网络结构用于数据建模的特点;针对离心通风机这种通用机械,在对模型结构及参数机理分析的基础上,提出并建立了基于模糊RBF神经网络的通风机能效数据统计模型,并利用该模型进行离心通风机的参数设计指导;针对换热器这一包含复杂的非线性特征的动态过程,利用Elman神经网络结构,建立了换热器的对象模型,为换热器对象控制系统的设计提供了一定的依据。