人工神经网络为学习实数值和向量值函数提供了一种实际的方法，对于连续值和离散值的属性都可以使用，并且对训练数据中的噪声具有很好的健壮性。反向传播算法是最常见的网络学习算法。反向传播算法考虑的假设空间是固定连接的有权网络所能表示的所有函数的空间。包含3层单元的前馈网络能够以任意精度逼近任意函数，只要每一层有足够数量的单元。即使是一个实际大小的网络也能够表示很大范围的高度非线性函数。反向传播算法使用梯度下降方法搜索可能假设的空间，迭代减小网络的误差以拟合训练数据

针对CH4这种特别气体,对其实验结果运用数字化处理方法研究CH4稳定性.在内径50.8 mm圆形管道内获得CH4+2O2预混气在不同初始压力条件下的胞格爆轰结果并使用烟膜记录,且测得的平均爆轰速度数据与CJ爆轰速度接近,在初始压力高于5 k Pa时爆轰可稳定传播.烟膜上形成的三波点轨迹十分不规则.为减少人为误差,使用改进后的数字化处理烟膜图像的技术方法,从烟膜轨迹中得出柱状图及自相关函数结果,发现CH4+2O2是一种爆轰十分不稳定的气体,并给出CH4+2O2预混气的爆轰胞格尺寸及差距,结果显示人为测量结果偏大而数字化处理方法更为准确.这种方法能计算CH4+2O2预混气胞格尺寸及不稳定度,完善了定量化预混气不稳定程度的方法