经济投资预测问题是关系到国计民生的重要问题，特别是产业投资研究一直受到人们普遍的关注。经济投资预测的多因素时间序列性决定了该预测是一种非线性预测，用传统的方法预测时有一定的困难。径向基函数(RBF)神经网络具有较好的非线性特性，特别是用于高度非线性系统的处理。本文引入在其它领域中广泛应用的RBF神经网络理论，建立新的投资预测模型，为经济投资预测研究开辟了新的发展空间。 本文介绍了投资学、经济预测的基本理论及RBF神经网络的结构、特性和训练算法。针对1991-2003年度黑龙江省的三次产业的投资值和总产值等历史数据建立投资预测网络模型、进行仿真、分析仿真结果。论文的主要创新点如下： 1.利用灰色关联分析方法确定投资诸要素间的关系。以多年历史数据为样本，用灰色关联度来描述因素间的关联程度。 2.采用RBF神经网络建立模型，进行模拟训练，预测结果的相对误差均在3％以内。并将训练的结果与BP网络比较，仿真实验表明RBF网络的训练速度比BP快，预测精度高于BP网络，具有较好的泛化能力。 3.对投资采用小范围枚举法进行微调，以确定最大总产值。以第一、第二、第三产业中较小的两个投资值的数据为中心，在某一范围内进行调整。 4.应用多重网格的思想对投资分配进行合理调整，确定最佳投资分配。通过构造由细到粗的多层网格(5％、10％、15％、20％)，在每个网格层上迭代，能有效地消除各个频率分量的误差，提高迭代的收敛率，还减少了工作量。 在已建立投资预测模型及优化后投资结构的基础上，对2004年的投资分配和总产值作了预测。预测结果符合经济系统的发展规律。该模型反映了投资要素之间的非线性关系，具有很好的预测效果，为经济预测提供了一种新的有效方法。