对海洋矿产资源电磁特性进行分析时常用积分方程法,该方法的核心是并矢格林函数的计算。在并矢格林函数的计算过程中,需进行索末菲积分运算,但其高震荡性、慢衰减性会导致计算过程比较耗时,因此引入神经网络方法来加快并矢格林函数的计算速度具有重要的研究意义。本文提出了一种采用径向基函数神经网络（Radial Basis Function Neural Network,RBFNN）计算平面分层介质中并矢格林函数的方法,并将其应用到海底硫化物矿的电磁特性研究中。文中基于传输线理论给出了平面分层介质中并矢格林函数的求解方法,通过研究平面分层介质中并矢格林函数的求解过程,确定了 RBFNN在求解平面分层介质中并矢格林函数时的网络结构,并采用正交最小二乘法（Orthogonal Least Square,OLS）对RBFNN进行训练,通过大量训练将模型的各参数与平面分层介质中并矢格林函数之间的非线性关系用线性关系表示出来,在后续平面分层介质中并矢格林函数的计算中,只需调用相应的线性关系则可对其进行快速计算。在数值仿真中,通过Swidinsky双半空间模型验证RBFNN算法求解并矢格林函数的有效性,结果表明,当各分量相对误差均控制在2%以内时,基于RBFNN求解方法比直接数值积分方法速度提高了14倍。最后将RBFNN算法应用到海底硫化物矿的电磁特性研究中,采用基于RBFNN算法与直接数值积分方法分别对海底硫化物矿的接收阵列呈线型分布、呈面型分布和呈空间分布时的电磁特性进行数值仿真。数值仿真结果表明,当各分量相对误差均控制在2%以内时,基于RBFNN求解方法比直接数值积分方法的速度分别提高了 21倍、23倍和31.8倍,即RBFNN算法比直接数值积分方法计算效率更高,为实际自然环境中海底硫化物矿的电磁勘探研究提供了一定的理论参考。