21世纪以来,我国高考已完成多轮改革,高考与我们每个家庭都息息相关。由于录取分数线只能在志愿填报之后公布,考生只能通过已知的高考分数、省排名、招生计划等信息进行志愿填报,为了避免填报时出现浪费分数或者滑档的情况,就需要预测高校的录取分数线。新高考改革之后报考模式由以学校为主转为以专业为主,预测分数也需要做出相应调整。目前常用的高考录取分数线的方法线差法、平均排位法、线性回归法等都是以预测高校分数线为主没有对新高考做出调整。本文在收集各高校和专业历年数据的基础上使用人工神经网络模型,提出在新高考背景下预测录取分数线的方法。首先构建神经网络模型,包括节点设计、网络参数设置,然后将模型优化防止过拟合现象。其次收集3年各高校专业数据、院校信息等,并将原始数据进行清洗,根据模型需要进行特征编码和特征选取,同时将设置对照组加入专业在往年招生的平均比例。最后进行模型求解并与传统预测方法进行对比。实验结果表明使用神经网络模型得到的预测值与原始值对比贴近程度较高,说明此模型可以精准预测分数。其次通过将神经网络模型与平均排位法和线上百分位算法对比误差平方和发现,神经网络模型的误差最低,平均排位法最高,也说明了神经网络模型准确率较高能够为预测分数提供参考。最后在其他条件不变的情况下,对照组的绝对误差比实验组低,可以证明加入平均比例有助于提高模型的准确率。本文通过实验证明神经网络模型可以有有效预测录取分数线,同时加入参考值可以提升模型的准确度。为新高考省份志愿填报提供参考。但是对于高校发展以及招生计划变化等参数的考虑还有些不足,未来可以通过加入多种参数、组合预测的方式解决。