本文在分析研究已有的经济增长模型研究成果的基础上，结合经济预测理论和神经网络算法的特点，提出了基于人工神经网络的经济增长预测模型。 文章总结和研究了宏观经济增长预测的特点、方法、步骤，指出随着经济管理问题的复杂化，传统的预测方法也越来越不适应快速反应、及时生产的现代管理要求，由于经济增长规律本身的复杂性和神经网络特有的对复杂的非线性函数的映射能力，基于人工神经网络的经济增长预测模型具有十分广阔的应用前景。 文章在分析对比各种人工神经网络的拓扑结构、工作原理和应用场合后，着重研讨了前馈型神经网络和BP算法，结合经济增长函数的规律，构建了适用于经济增长函数的神经网络模型的拓扑结构，并对经典的BP算法提出了改进。通过利用相关的统计数据建立的河南省的经济增长模型，验证了所提出的网络的拓扑结构和改进算法的可行性。 在以往的经济模型中，通常都要用到的当年的相关统计数据，这使模型在预测方面的应用受到限制。为了解决这一问题，本文构建了一个直接预测的模型。其基本思路是首先利用子网络对用到的参数进行预测，然后再利用经济增长网络模型进行预测，在此基础上将两个网络进行合并就构成了可以直接预测的模型，这给模型在预测方面的应用提供了极大的方便。 为了增加模型的时变性，本文提出了滚动优化的方法，这种方法的思路是在有了新的统计数据后递推丢掉旧的数据让网络对新的数据重新进行学习，这样可以使网络达到吐故纳新的效果，增加了模型的时变性。 在编程工具的方面，本文使用Visual C++、MATCOM和MATLAB相结合的方法，开发出了使用BP神经网络进行经济预测的用户软件，并采用OLE和COM技术把开发的应用程序封装为ActiveX控件，从而避免了MATLAB环境的不稳定性，并同时为非经济专业人士对经济增长趋势的把握提供了一个方便、简单、易操作的用户程序。 实证结果表明，基于人工神经网络的经济预测是可行和有效的，利用神经网络进行经济增长预测对于有效指导经济决策具有较大的参考价值。