基片集成波导(Substrate Integrated Waveguide,SIW)作为一种新型导波结构,由于其损耗低、体积小、高品质因数、易于集成等优点已经被广泛应用于微波器件的设计中。但是当前SIW器件的设计方法耗时较长,需要经过重复的迭代优化才能获得较好的频率响应。神经网络由于其强大的非线性建模能力和响应速度快等特点被视为传统建模方法的一种有效替代技术,并且已经被成功应用于多种微波器件的建模之中。为了快速且精确地建模SIW器件,本文基于神经网络对SIW器件的设计方法进行了深入的研究。结合滤波器分解知识和反向神经网络建立了一个可以进行SIW滤波器维度综合的粗糙模型。但是由于SIW结构自身的特性以及子模型合并中产生的误差导致该粗糙模型综合出来的结果和理想响应差距很大。因此从耦合矩阵的角度提出了一种新颖的修正粗糙模型,用来修正粗糙模型中所产生的误差。同时提出一种等效去嵌入技术来精确提取SIW iris处的广义散射矩阵,用来解决训练数据获取难以获取的问题。使用本文提出的模型,设计了一款H面5阶SIW滤波器,并使用Python驱动HFSS实现自动化仿真大大提高了设计效率,结果显示不需要任何优化操作,仅使用几百个数据就可以综合出一个十分接近理想频率响应的SIW滤波器,从而验证了所提出模型的可行性和精确性。通过对传统耦合矩阵模型综合出的谐振器类SIW滤波器存在通带偏移问题进行研究,基于神经网络提出了预调谐和协同调谐两种改进的耦合矩阵模型。预调谐模型在设计之初,综合考虑多种影响谐振频率的参数并预先确定好谐振器的基本参数。协同调谐模型引入设计的中心频率作为神经网络输入,将影响谐振频率的参数直接作为变量。使用两种改进模型设计了同一款C波段3阶SIW正三角形腔体带通滤波器,结果显示两种方法不但都可以解决传统模型的通带偏移问题,而且综合出的滤波器频率响应已经完全符合设计目标,无需再进行耗时的优化过程。最后将提出的预调谐和协同调谐两种改进的耦合矩阵模型和修正粗糙模型结合,使得SIW滤波器的频率响应十分接近理想响应,进一步验证了修正粗糙模型具有广泛的适应性和精确性,不仅可以和不同类型的电路模型结合,而且设计精度高。