本文研究了BP神经网络在照度计算中的应用,通过研究与照度有关的物理量,利用仿真软件Matlab设计出了适合于本问题的BP神经网络结构,再结合软件开发工具Visual c++给出此软件系统。通过对该系统的测试结果表明,该系统具有快捷和合理的优点,而且此种照度计算方法还具有自适应和自学习特性,精确度较高。使得照度计算变得更简单。传统的照度计算方法包括:单位容量法、利用系数法和逐点计算法。这些方法对于面积较小、照明要求不高的场所尚能解决问题,但也存在10%左右的误差;而当所需照明的场所面积较大时,如大型商场的营业厅、剧场、体育馆、阶梯教室和大型的演讲厅,使用传统的照度计算方法时计算量大、步骤繁锁、不具备自学习功能、不能自行积累设计经验,具有很大的局限性。近年来,人工神经网络技术在许多领域的应用了取得丰硕的成果。神经网络是一种大规模的信息并行处理系统。它模仿人脑神经元的功能,具有信息分布存储、并行处理、自适应、自学习等特点。可以映射任意函数关系是神经网络的一种重要功能。在建筑照明设计中利用神经网络理论将照度计算看作一个“黑箱”,不必涉及具体的计算过程,,而只研究输入与输出之间的相互关系。在进行新的照度计算时,利用已积累的经验训练好网络后,只要把计算要求作为输入提供给网络,就能实现智能照度计算。