针对RBF(radial　basis　function)神经网络的结构和参数设计问题,本文提出了一种基于相对贡献指标的自组织RBF神经网络的设计方法.首先,提出一种基于相对贡献指标(relative　contribution,RC)的网络结构设计方法,利用隐含层输出对网络输出的相对贡献来判断是否增加或删减RBF网络相应的隐含层节点,并且对神经网络结构调整过程的收敛性进行证明.其次,采用改进的LM　(Levenberg-Marquardt　algorithm)算法对调整后的网络参数进行更新,使网络具有较少的训练时间和较快的收敛速度.最后,对提出的设计方法进行非线性函数仿真和污水处理出水参数氨氮建模,仿真结果表明,RBF神经网络能够根据研究对象自适应地动态调整RBF结构和参数,具有较好的逼近能力和更高的预测精度.