人类具有高度发达的大脑,大脑是思维活动的物质基础,而思维是人类智能的集中体现。人工神经网络是一种旨在模拟人脑结构及其功能的脑式智能信息处理系统,以其特有的并行处理、分布式存储、自适应自组织自学习和高度容错能力而越来越受到学术界和企业界的广泛关注,已广泛应用于国民经济和国防科技现代化建设中,是近年来热点研究领域之一。BP神经网络是目前研究最为成熟、应用最广泛的人工神经网络模型之一,但是该网络模型存在学习速度慢、易陷入局部极小点、网络泛化能力不能保证等缺陷,这在很大程度上制约了BP神经网络在实时计算、自动控制等对实时性要求较高领域的应用。本文研究设计了非迭代前向神经网络(NIFNN)模型,主要解决BP神经网络目前存在的以上问题与不足。本文以人工神经网络的非线性数学理论为基础,探讨了BP神经网络的基本原理和缺陷原因分析,重点从网络结构、激励函数和学习算法等方面对BP神经网络进行了全局优化设计,进而推导出最优稳态权值计算公式。最后,开发实现了NIFNN模型,并将其应用于短时交通流量预测领域,实验表明NIFNN模型具有学习速度快、预测精度高和噪声抑制能力强等综合优势。