木材干燥是一個復雜的非線性系統，由于木材結構復雜且具有多樣性和變異性，很難建立一個理想的符合木材干燥過程的數學模型。利用遺傳算法的全局尋優能力優化BP 神經網絡連接權值系數，分別用BP 和GA-BP 兩種算法建立了木材干燥基準模型。對比結果表明：GA-BP 算法建立木材干燥基準模型提高了期望誤差精度和收斂速度，避免了BP 算法陷入局部極小值，預測平均誤差為1.0413%，具有較好的預測精度。
木材干燥是一個復雜的強耦合非線性動力系統,而且在干燥過程中存在著外界的干擾和
模型的不確定性，在控制精度和性能要求較高的場合，必須考慮控制對象參數乃至結構的變化、非線性的影響、運行環境的改變以及環境干擾等時變的不確定的因素，才能得到滿意的控制[1]。要實現這一點，首先要建立能夠準確完整地描述木材干燥規律的控制模型，為干燥的過程控制提供可靠的信息。進而對其控制策略進行研究，選擇合適的控制方法，使木材干燥控制系統達到理想的控制效果。在一般情況下,最好的方法是建立常規的數學公式，但是目前為止,要獲得精確的木材干燥過程模型的數學公式還存在較大的難度。
神經網絡是近年來人工智能研究的一個前沿領域，神經網絡的出現為木材干燥過程建模
提供了新的方法，并取得了一定的成果：文獻[1]建立了木材干燥過程的動態遞歸神經網絡模型；文獻[3]建立了木材干燥過程的時延神經網絡模型。但是神經網絡也存在一些缺陷，如訓練速度慢，容易陷入局部極小值和全局搜索能力弱等，所以神經網絡研究的難點之一便是如何得到學習效率高和穩定性能好的網絡參數和結構。遺傳算法(Genetic Algorithm，簡稱GA)是根據達爾文的自然界生物進化思想，將其靈活運用到優化運算領域而產生的一種尋優算法。本文利用遺傳算法優化神經網絡的權重系數和閾值參數，獲得全局最優解，進而更有效的建立木材干燥過程的神經網絡模型。