相变存储器（PCM）具有传统DRAM所不具备的非易失性特点。且PCM相比于DRAM在功耗以及尺寸上都表现得更为理想,因此PCM被誉为最有可能取代传统DRAM的非易失性存储器之一。当PCM内部温度受外加电脉冲等方式影响而发生变化时,其相变层材料会在晶态（低阻）和非晶态（高阻）间相互转换。阻值是影响PCM存储性能的关键因素,所以对PCM的阻值进行仿真具有很重要的意义。目前PCM阻值仿真的软件有很多,但效率并不高,往往一次仿真需要消耗数十分钟的时间。本论文主要研究规定范围内任意尺寸的PCM在不同初始状态下施加任意电脉冲后的阻值的变化情况。根据神经网络的万能逼近原理,BP神经网络可以逼近一个m维到n维的映射关系,由此原理提出了基于BP神经网络的PCM阻值预测方法。首先论文通过对比试验分析影响PCM阻值变化的主要因素。对于施加单脉冲的PCM分别改变外加电脉冲参数的脉冲幅值、脉冲宽度以及PCM各层级的长宽高和相变层的初始相态,分析三种变量对其阻值变化的影响;对于施加连续脉冲的PCM除了上述变量还需考虑脉冲个数对阻值变化的影响。其次,通过C++编写的仿真程序得到规定范围内的相变层初始相态,具体每个数量级的阻值范围选取2-3个初始电阻作为PCM相变层的初始相态。然后将对比试验中分析得到的各项影响PCM阻值的参数按规定的量化范围内的随机值输入到仿真程序中,再选取不同的初始相态进行多次的仿真,将仿真得到的电阻值以及各项影响参数和相变层初始电阻值记录下作为神经网络的数据集。最后搭建BP神经网络利用仿真得到的数据集进行训练和测试。最终通过测试集的测试,搭建的BP神经网络对施加单脉冲和连续脉冲后阻值预测的准确率分别达到了97%和94%。BP神经网络对PCM阻值的预测时间相比于仿真软件可以忽略不记,且精确度和准确度有保障,大大提高了阻值仿真效率。