经济增长问题足经济学永恒的主题,从20世纪30年代开始,经济增长成为了众多经济学家研究的重点问题,现今经济增长预测已经成为政府制定经济政策、进行投资决策、制定发展计划的重要依据,在这种情况下,经济增长预测就可以为国家制定经济政策提供一定的决策依据。　　 人工神经网络(Artificial Neural Network,ANN)在经济增长预测中有广泛的用途,但由于影响经济系统的因素众多,且相互关联,结构复杂,故为简化输入节点,提出采用主成分分析法(PrincipieComponents Analysis,PCA)提取主要指标,同时为了提高网络的泛化能力,采取Bayesian正则化算法训练网络,建立PCA-Bayesian正则化BP网络模型,并使用边界层确定网络隐含层单元数的方法,选用国内生产总值(GDP)作为经济增长的总量指标,对我国1985-2008年的GDP进行仿真与预测,最后通过一与原始数据直接作为网络输入,二与BP网络中的梯度下降法、LM算法,三与ARIMA、多元回归、指数平滑的预测情况进行对比,表明对网络输入的数据用主成分分析进行精简,然后采用Bayesian正则化算法的神经网络对经济预测具有很好的效果。实证分析结果表明,利用PCA-Bayesian正则化BP网络模型进行经济增长预测町以为宏观经济部门决策提供更准确的依据。