大数据时代已经到来,信息数据量越来越多,种类也越来越繁杂,人们希望从大数据中分析出某种隐含的规律,找到数据隐含的特征和共性,再通过智能分析进行分类,把繁杂的数据做统一化的管理。同时根据找到的规律预估未来数据的情况。传统方法已经不适用于分析大数据信息,并且处理速度也无法满足需求。智能化的处理和人工智能Al方法将是未来构建智慧城市不可或缺的一部分。本文针对通信网络领域的典型信号做分类和预测。分类和预测的问题都采用神经网络算法方式运算,并且与传统方法进行实验对比,结果表明神经网络算法优势明显。对于分类问题,神经网络算法自动划分阈值后用svm支持向量机方法自动分类,取得了良好的效果,速度也很快。对于不同调制方式的通信信号分类准确率可以达到95%。在预测方面,主要利用ESN网络算法在时间序列预测上的高效性,对网络安全态势值进行预测,得到未来的网络态势,预测结果如有安全问题会发出安全警告。此外,研究并优化了网络训练中的多个重要环节。在数据的预处理方面,介绍了数据归一化方数据去噪方面,在基本的去噪方法基础上提出EMD去噪;网络参数寻优方面,对比循环枚举法提出用遗传算法快速参数寻优的新方法。这些优化网络的计算方法必不可少,只有噪声小的数据在与之适应的神经网络中处理才能得到理想的结果。最后,本文对神经网络算法在医学信号上的应用进行了深入研究,对眼动信号的分类采用三种神经网络方法进行对比,三种方法各有优缺点,尤其是深度学习算法结果较好,具有很好的应用前景。