前文介绍了神经网络在新能源汽车热管理系统中的应用，以及神经网络类别和神经网络的神经元，激活函数、误差函数以及反向传播等。

神经网络的信息流是前向传播的：输入数据经过线性加权组合，激活函数实现非线性变换，在不同层间反复迭代，得到最后的输出。这样的网络被称为前馈神经网络（feedforward neural network）。

反向传播（back propagation）本质上是指神经网络每层参数梯度的

计算方法。具体来说，它就是利用复合函数求导的链式法则，逐层求出损失函数对各个神经元权重和偏置的偏导数，进而构成梯度以作为修改权重的依据。反向传播采用的是梯度下降法，梯度下降的目的就是求解损失函数。

本研究将采用 Simcenter Reduced Order Modeling (ROM) 软件 V2404 版本来实施稳态神经网络模型的训练工作。具体的建模步骤如下：

1  将总计 1000 组稳态工况数据样本整体导入软件平台。为便于后续分析与模型验证，我们将这 1000 组数据均匀划分为 5 个独立的数据子集，每个子集包含 200 组数据点。 接着，在模型训练资源的配置上， 严格遵循机器学习的常规实践，从整体数据集（1000 组）中提取 20% 的数据量（即 200 组数据）专门作为验证数据集 (Validation)，用于在训练过程中监控模型性能并防止过拟合；剩余的 80%（即 800 组数据）则全部作为训练数据集 (Training)，用以驱动神经网络模型的学习和参数优化过程。

2 在 Simcenter Reduced Order Modeling (ROM) 软件中执行 “Model sweep” 命令并确认输入/输出变量，

3 在 Simcenter ROM 软件中执行 “Model Sweep” 命令并选择 Neural Network（神经网络） 作为建模方法，同时将 Search Detail（搜索细节） 设置为 Slower（更慢），（选择slower会训练更多组数据）

4 开始训练；

5 选择精度最高的模型，导出所需的模型类型，Simcenter Reduced Order Modeling中可以导出FMU、ONNX、S-Function、AMESim子模型等。