农村剩余劳动力向城镇迁移是工业化和城市化的必然趋势，是经济发展过程中不可缺少的重要环节，是人类社会进步的必经阶段。在地区社会经济结构、区域组织形式、人口分布格局等因素影响下，我国农村剩余劳动力迁移的区域非均衡性日益突出，对农业剩余劳动力迁移区域差异进行定量分析，预测其未来走向和基本态势，对于研究其迁移规律，因地制宜制定迁移政策，加速农业剩余劳动力转移，合理利用劳动力资源，都有着极为重要的意义。劳动力迁移研究常用时间序列模型、回归分析模型、灰色系统模型、系统动力学模型、经济计量模型、就业弹性系数等方法。由于劳动力迁移各因素间的相关性错综复杂，是一个多变量非线性系统，而在多变量非线性系统的建模方面，前述模型存在各种不足，这使得一些建模和预测结果往往难以尽如人意。本文解决的关键问题是如何利用人工神经网络来定量地研究剩余劳动力迁移过程。本文针对我国近年来规模较大的以农村剩余劳动力为主的纯粹劳务输出流动人口，利用机器学习领域的研究成果人工神经网络，来研究劳动力迁移问题，探讨预测劳动力迁移的流量和流向，评价各迁移因素对迁移决策的影响方式和影响程度的方法，根据定量的计算结果提供相应的政策建议，总结利用人工神经网络对劳动力迁移这样的非线性系统进行建模的一般框架。本研究的创新点主要体现在：1．提出了利用人工神经网络研究迁移因素静态弹性和动态弹性的方法，能更全面地考察迁移因素和决策之间的关系；2．提出了利用人工神经网络预测迁移量和迁移概率的方法，结果优于普通方法；3．首次给出了迁移力度的参考计算公式，通过量化结果发现了迁移过程中的区域性特征；4．概括了一种将非数量化因素量化的方法，弥补了当前数据采集方法的不足。本研究最重要的特点就是定量分析，结论的推导和建议的制定都基于明确的计算结果。弹性分析部分的主要结论分以下四类：1)与当前结论相符。如验证了迁入地工资水平对迁移过程的决定性作用，验证了迁移距离对迁移过程的抑制作用，深化了迁出地劳动力平均受教育水平对迁移过程影响的特点等。2)与当前结论相左。如发现了迁出地人均耕种土地面积对迁移过程的影响很小。3)新的普遍性结论。如发现了迁出地工资水平对迁移过程影响微乎其微，发现了迁出地农村非农业人口比例对迁移过程有很强的促进作用等。4)新的特殊性结论。如发现了就我国目前情况来看，迁入地第二产业从业人数对迁移过程有很强烈的抑制作用，迁出地第三产业从业人数则表现为促进作用。迁移力度分析部分发现吸引中心的吸引区域体现出极强的区域性特征。本文所归纳的定量研究方法具有较好的普适性，人工神经网络可以用于劳动力迁移研究中的各种问题并取得理想的结果。