随着人工神经网络技术的发展，其用途日益广泛，应用领域也在不断拓展，已在工程技术、科学计算等领域得到了广泛地应用。而在科学计算与工程技术应用领域，许多问题最终归结到非线性代数方程求解问题，本文主要的工作是将人工神经网络技术应用于传统的数值计算，并结合区间算法概念，提出一种闭区间上神经数值计算模型与算法，其目的是对传统区间计算方法的一种拓展，来进一步扩大其应用范围。目前，人们使用的传统的数值计算方法，其中逐次迭代法是人们常用的方法之一。求非线性方程数值解也不例外，传统的迭代算法是从某个或几个初值点开始，按照特定的迭代过程构造出一系列近似解，但它有两个明显的缺陷：首先，多数的传统迭代法对初值的选取要求很高，要求初值点充分接近方程的零点x^*；其次，在每步迭代过程中不能同时给出x^（k）（k是迭代次数）对于x^*的误差。针对这些问题，文中将区间迭代方法和人工神经网络有机地结合起来，设计出一种基于闭区间上的迭代神经计算模型与方法，该方法逐次迭代的每一步都能迭代出包含解的一个区间，恰能弥补这两个方面的不足，从而克服了传统点迭代方法的缺点。文中设计了5个神经网络计算模型和算法，包括（1）区间对分迭代法；（2）区间n分迭代法；（3）区间割线迭代法；（4）区间牛顿迭代法；（5）区间正割迭代法。最后，通过对具体算例仿真实验，验证本文提出的基于闭区间上的神经网络迭代计算方法是有效的、可行的。同时，拓展了传统数值意义下“根值”的概念，将传统意义下根值通常是一个“点”扩展到一个满足一定精度的一个“区间”，该区间上任意一个值都可看作是所求问题的近似解，这给人们解决工程应用方面带来方便，人们可根据问题计算精度的实际需要，选取适合问题所需要的满意解。