我国现在正处于政府机构改革、政府职能转变的关键时期,机构和编制的决策必须适应社会主义市场经济的框架。而现阶段,仍有很多编制管理部门依然沿用趋势分析法、经验比例法等“老方法”进行编制预测,造成了编制核定工作的人为性、随意性、主观性,以及政府各部门之间编制申请增加、行政编制虚多、互相攀比等问题。因此,研究新形势下的编制总量预测方法就十分有意义。目前编制总量预测的主要方法有：经验比例法、趋势分析法、回归分析法、马尔可夫法、灰色预测方法等,国内已有专家学者对编制预测这个问题进行了探索性的研究,从政治、经济、管辖面积、管辖人口、文化传统、道德风尚等因素分析,建立了政府人员配置模型。本文提出了一种改进的RBF网络算法,并结合当地实际,选取河南省信阳市狮河区(政府级别为县区级)作为研究对象,将经济、民生等相关指标一并纳入到编制核定的指标体系中来,如：政府辖区的面积、人口、行政区划、国内生产总值、工农业产值、财政收人、行政经费等。选取狮河区历年的人口规模(人)X1,经济水平(万元)X2,地域面积(平方公里)X3,财政收入(亿元)X4,民间非政府组织X5,公职人员年龄占比分布X6,公职人员学历占比分布X7作为训练样本进行训练学习对泖河区政府编制总量进行了预测。本文的创新点主要体现在如下两个方面。1.提出了基于RBF神经网络的县区级地方政府编制总量的预测方法。2.对传统RBF网络模型在如下两方面进行了改进：(1)优化宽度σ取值。以往在确定函数中心宽度参数σ时仅根据经验进行学习,本文引入了GCV准则进一步优化宽度参数σ。(2)对RBF网络进行子网络化优化处理。预测结果表明：基于改进的RBF网络算法对县(区)级地方政府编制总量的预测,比传统的编制总量预测方法误差更小,表现出精度更高的预测效果。这种编制总量预测方法比趋势分析法、经验比例法等“老方法”的系统性和科学性更强,因此,地方政府及编制管理部门在进行编制决策时能够以此作为重要依据,具有一定的推广应用价值。