由于空调用填料表面传热传质过程的非线性、时变性和复杂性，难以用精确的数学模型来描述。本文借助人工神经网络强大的预测非线性功能，采用的策略是撇开了具体的空气-水在填料中的复杂传热传质过程，把它看作是一个“黑箱”，试图直接从输入到输出之间建立起描述空调用金属填料表面传热传质性能与其影响因素间关系的神经网络模型，再根据此模型来预测影响因素变化引起的金属填料表面传热传质的性能变化。利用反向传播机制对于实验数据样本进行训练和检验，检验其预测的准确性。结果表明：网络模型输出结果与实验数据比较吻合，相对误差大多在6%以内，具有较高的精度，可以实现对空调用填料表面的传热传质性能的预测。