BP神经网络的学习过程由信号的正向传播与误差的反向传播两个过程组成。在正向传播过程中，输入样本从输入层传入，经过隐含层的加工处理，传向输出层。如果输出层的实际输出与期望输出不符，则转入误差的反向传播过程。根据预测误差来调整网络权值和阈值，从而使BP神经网络预测输出不断接近期望输出。

BP（反向传播）神经网络的训练过程主要包括以下几个步骤：

1. **初始化权重**：随机初始化网络中的权重。
2. **前向传播**：利用当前的权重计算输出。
3. **计算误差**：根据输出与目标值之间的差异计算误差。
4. **反向传播**：将误差从输出层向输入层传播，并计算每个权重的梯度。
5. **调整权重**：根据计算出的梯度调整权重，以减少误差。

根据上述步骤，我们可以分析选项：

- **C: 利用随机的权重产生输出的结果**
- **B: 计算误差值**
- **A: 调整权重**

正确的训练顺序应该是：初始化权重（这是在选项中没有明确指出的步骤），然后前向传播计算输出（C），计算误差（B），反向传播计算梯度，并调整权重（A）。因此，正确的顺序是CBA。

在选项中，D: CBABA 最符合这个流程，因为它的前两个步骤是C和B，接着是A。

所以，正确答案是 **D: CBABA**。