BP網絡理論基礎堅實， 通用性強，是前向網絡學習的主要模型但是也存在一些公認的缺陷。在商業數據分析中要求網絡規模較大， BP網絡學習速度慢，易過早地陷入局部最優解問題更為嚴重，難以滿足實際應用。本文認為BP網絡存在兩更本質的原因導致了局部最優等BP網絡的公認缺陷。原因在于：1、BP網絡學習過于機械、低級、缺乏高級的智能特征—總結歷史。2、神經元在學習過程中會出現疲勞和超負荷兩種病態現象。通過引入檢查校正病態神經元和階段化評估機制而建立的階段化BP模型（PEBP）具有更高級的智能特征，PEBP把訓練劃分為一系列階段，每個階段檢查校正病態神經元，評價調整學習模式。實驗對比了一般BP和本文提出的兩個改進方法學習性能，實驗結果表明兩種方法都大大優于一般BP。