本文提出了用自由数学计算软件Scilab设计过程神经网络仿真平台的思路，本文以过程神经网络模型中的前馈单隐层网络模型作为理论基础，通过对Scilab进行一定的扩充，建立一个可视化、模块化的应用于数据预测和分类的仿真平台。　　 在本文中，首先综合比较了仿真软件Scilab和MATLAB在功能和性能上的优缺点，分析了前馈过程神经网络模型的相关理论和研究现状，针对动态Mackey-Glass混沌时间序列的预测和样本函数分类的问题，研究了适合解决该问题的网络模型和学习算法，并将过程神经网络与梯度下降算法、基于Fourier函数和标准基函数展开算法相结合，进而探讨了这三种算法在程序上的实现，最后引出了本文的思路。　　 在网络仿真平台的设计上，通过Scilab创建一个前馈单隐层过程神经元网络，并通过GUI构建了神经网络仿真平台界面和输入以及目标数据窗口，在网络的训练上，首先采用基于标准正交基展开的学习算法对Mackey-Glass混沌时间序列进行预测和对样本函数进行分类，得到其训练迭代曲线和预测结果，然后再选用其它两种算法训练网络，通过比较得到采用基于标准基函数展开学习算法的网络收敛最快，预测效果最好。最后仿真结果表明：本文设计的过程神经网络仿真平台在处理时变输入上有广泛的适用性和准确性。