静电纺丝是制备纳米纤维最有效的方法之一，目前对于静电纺丝研究的重点之一在于:纤维直径可控性方面。静电纺丝各个因素之间有着比较复杂的关系，进行较为精确的量化计算是一件极其困难的事。响应面法和神经网络是一种在处理与解决问题时不需要对象的精确数学模型的方法，该方法为预测纤维直径提供了新的研究手段。　　 本文以生物可降解材料聚羟基丁酸酯(PHB)为原料，考虑溶液浓度、电场强度、挤出率和毛细管直径四个影响因素，采用静电纺丝技术制备了PHB纳米纤维，利用扫描电子显微镜观察纤维形态，研究了静电纺丝参数对纳米纤维直径的影响。利用单因素实验得出PHB纳米纤维可纺的范围，在单因素基础上利用响应面法的Box-Behnken设计对PHB静电纺丝纤维直径进行预测和工艺参数进行优化，通过回归分析建立二次多元回归模型。结果表明:PHB溶液浓度、挤出率和浓度二次项对纤维的影响最为显著，其次是毛细管直径和毛细管直径的二次项。模型预测纤维的直径与真实值差异不显著，说明二次回归模型拟合情况良好。　　 在基于响应面法的实验设计，利用BP神经网络模型对纤维直径进行预测。通过神经网络训练确定了最佳纤维直径预测系统:网络训练函数为L-M优化算法;性能函数为输出数据与目标的相对误差和代表性能的误差向量的2范数norm;隐含层节点数为9;隐含层和输出层的传递函数分别为tansig、purelin函数。结果表明:BP神经网络模型预测的纤维直径与真实值差异不显著，模型拟合情况良好。　　 通过两种预测模型的对比研究及验证性实验发现:BP神经网络预测模型预测能力明显优于响应面二次回归模型，可以更有效地预测静电纺PHB纤维的直径，用于将来静电纺丝纤维直径的预测和控制。