经济预测受多个影响因素的共同影响,且各个因素之间有着比较复杂的关系,是具有高度不确定的非线性系统。利用传统的预测方法有着诸多限制,而采用神经网络的方法则能够较好地克服这些限制,实现良好的非线性预测。为了提高网络的泛化能力,本文提出先用主成份分析对原始变量提取信息,简化输入,然后用Bayesian正则化算法优化网络。Bayesian正则化算法是对标准BP算法的基础上的有益改进,其通过改变目标函数——在原有目标函数上增加权值这一项,然后利用贝叶斯方法自动选取参数,从而提高泛化能力。本文通过对湖北省1985年—2005年关于经济发展水平的数据进行分析,并与其他方法进行比较。结果表明采用该方法对经济预测有良好的预测效果,利用该网络进行经济增长预测可以为宏观经济部门决策提供可靠的依据。