论文在己完成的宁夏森林资源调查管理信息系统的基础上,采用人工神经网络(Artificial Neural Network,简称ANN)方法对森林资源调查管理信息系统的森林资源预测模型进行初步探讨.模型利用GIS处理基础数据、可视化输出预测结果,利用人工神经网络模型来扩展GIS空间辅助决策功能.人工神经网络方法是基于实例的方法,不需要考虑数学模型的内部结构,不需要假设前提条件,不需要人为地确定因子权重,作为一个黑箱综合地映射出研究对象的整体性,建模简单.论文采用改进了的三层误差反向传播神经网络(Back-Propagation Network,简称BP网络)模型,以甘肃连城林场为例,对森林资源进行了预测.算法上采用含有动量因子的自适应高速学习率的变学习率算法对网络进行学习训练,以提高网络的学习速度,并且可以增加算法的可靠性.论文在前人研究成果的基础上,总结了森林资源预测的基本思路,分析比较了多种预测方法,建立GIS空间数据库,运用GIS空间分析方法,对实验区现状进行评价,在现状评价的基础上提出了基于GIS的人工神经网络动态预测模型的理论与方法.论文中应用人工神经网络滚动预测和多步预测方法,分别采用5-25-5和4-10-1神经网络结构建立实验区红桦5个龄组的蓄积量预测模型与有林地面积预测模型,预测了实验区2000~2004年红桦各龄组蓄积量以及有林地面积.经过仿真结果与GM(1,1)模型预测结果的比较分析,蓄积量GM(1,1)预测模型相对误差的平均值为6.733214﹪,神经网络滚动预测模型相对误差的平均值0.027571﹪;有林地面积GM(1,1)预测模型相对误差的平均值为1.41434﹪,神经网络多步预测模型相对误差的平均值为0.03863﹪,说明基于GIS的神经网络动态预测模型的精度高,建模简单,实用性强.论文最后根据预测结果及实验区实际情况提出了相应的林业发展对策,总结了基于GIS的森林资源神经网络动态预测模型的特点与不足.