为了实现化工行业高纯水全自动生产,本文利用高纯水设备技术替代传统的混床技术,并研究了人工神经网络对高纯水设备产水过程模拟仿真的可行性,采用误差反向传播网络(BP网络)建立了进水流量、电导率、pH值以及工作电压与高纯水设备透过水电阻率之间关系的动态模型,并对不同的训练样本归一化方法和训练方法进行比较。结果表明,在网络隐含层层数为1、节点数为13时,采用归一化方法三能够较好的预测高纯水设备透过水电阻率,且该模型可用于高纯水设备除盐过程的动态描述,为实现化工行业高纯水全自动生产奠定了基础。