针对常规数学方法拟合傅里叶核函数精度较低的问题,提出了一种基于BP学习算法的傅里叶核函数神经网络拟合模型。通过试探法确定BP神经网络隐含层神经元个数,BP学习算法训练神经网络找出各层神经元连接权值,从而最终构建神经网络拟合模型。仿真实验表明,构建的神经网络模型预测精度较高,具有较高的应用性。