【摘要】针对神经网络在超宽带天线的逆向建模过程中存在的精度低、收敛慢和稳定性差的问题，本文提出了一种使用改进的黑翅鸢算法的深度反向传播（ＩＢＫＡ⁃ＨＢＰ）神经网络。通过Ｔｅｎｔ混沌映射初始化种群，提升种群的多样性。在黑翅鸢捕食行为中引入动态透镜成像学习策略，帮助算法摆脱局部最优。在迁移中集成夫琅禾费衍射搜索策略，进一步提升算法的性能，实现快速寻优。使用ＩＢＫＡ 优化神经网络的正向模型权值和偏置，加快建模速度。 采用Ｈｕｂｅｒ函数作评价函数，提高模型的精度和稳定度。 实验结果表明：相比深度反向传播（ＨＢＰ）神经网络、使用黑翅鸢算法的深度反向传播（ＢＫＡ⁃ＨＢＰ）神经网络、使用遗传算法的深度反向传播（ＧＡ⁃ＨＢＰ）神经网络，本文提出的ＩＢＫＡ⁃ＨＢＰ神经网络在精度上分别提高了１.４个百分点、０. ４个百分点、１.２个百分点，这些改进显著提高了超宽带天线的精度。