我国社会医疗保险基金巨额结余和收不抵支并存的现状,以及基金运作存在的问题,都表明我国社会医疗保险制度必须进行完善。因此本文构建并引入社会医疗保险基金预警系统,对基金运行进行预警,从而达到优化基金运行路径,降低成本的目的。本文的研究对象为城镇职工基本医疗保险。通过医疗保险基金、医院和经济环境三方面提取出16个风险因素作为预警系统的指标体系。基于体现基金支付能力的风险指数,确立缺口和超结余的双向警情。在此基础之上,从新的视角出发,通过神经网络方法建立关于上述三个方面的风险指标与风险指数之间的非线性关系。实证选取医疗保险改革明星城市三明市的数据进行分析。首先构建BP神经网络模型,再根据所获取的数据具有耦合性强、样本量小的特点,引入主成分分析法进行降维,构建主成分-BP神经网络模型。通过上述模型验证神经网络方法对于社会医疗保险基金建模和预测的可行性。此外,还通过改进的神经网络Garson算法对本文的指标体系进行敏感性分析。实证结果表明,BP神经网络模型适用于我国社会医疗保险基金预警系统的构建。主成分-BP神经网络模型较之于单纯的BP神经网络模型,具有更高的数据拟合度以及预测准确度。并且敏感性分析发现,对风险指数有直接影响的指标,网络连接权值比重也相应比较高。最后,结合预警系统的引入和合理应用为我国社会医疗保险制度的完善提出政策建议。