在过去几年的研究中科学家们发现有许多DNA片段转录成RNA,但是这些非编码RNA不翻译成蛋白质,它们有着特定的结构。这些RNA能够行使一些特定的功能,例如催化反应,调节基因表达等。一般功能和结构相关,这也使得人们不断的深入研究RNA的结构。通常情况下可以通过实验测得的RNA结构,主要有两种方法,核磁共振和X射线晶体衍射。但是实验测量的方法样品制作较困难,而且代价比较高,费时费力。如果能够使用计算机模拟RNA的结构,能够节约很多的人力和物力,因此使用计算的方法得到RNA的结构是一个研究热点。随着大量的序列信息的增长以及计算机科学的发展使得使用理论预测变得更可靠。非编码RNA的功能通常和它的三级结构相关,要想得到RNA的三级结构,其中RNA的二级结构预测是一个很重要的环节。RNA二级结构预测主要包括两种方法,基于最小自由能和共进化信息,这两种方法各有优缺点。最近机器学习和深度学习在很多领域取得了很好的成果,例如AlphaGo战胜了人类的围棋选手,在图片处理,自然语言处理,蛋白质Contact预测,药物筛选,都又很好的表现。最近的AlphaFold在蛋白质结构预测领域也取得了不错的成绩。本文主要开展了下面几个工作,首先采用了神经网络的方法来预测残基的配对状态,然后将残基的配对状态信息作为限制条件去除直接耦合分析中的部分假阳,但是效果一般;之后使用全卷积神经网络分别训练了两个神经网路模型预测RNA的二级结构,并采用碱基扩展的方式对输出结果进行优化。在模型一中采用直接耦合分析的结果作为输入,相比于直接耦合分析精度有所提升;在模型二中采用多序列比对的统计结果作为输入,相比于模型一精度有所提高,并且大多数情况下好于其他流行的方法。