神经网络以其并行处理、自适应组织、联想记忆及容错和鲁棒性等特点，受到了广泛关注，研究结果已经表明，用神经网络处理直觉和形象思维信息具有比传统处理方式好得多的效果，神经网络的应用有着非常广阔的空间。BP网络包含了神经网络理论中最精华的部分，由于其结构简单、可塑性强，得到了广泛的应用，特别它的数学意义明确、步骤分明的学习算法更使其具有更广泛的应用背景，其在分类、函数逼近、预测等方面都有非常好的优势，适合于解决复杂的非线性问题。本文首先介绍了人工神经网络的基本理论，包括神经网络的定义、学习方法、特点以及神经网络各种模型的优缺点，然后介绍了BP网络及其建模过程，同时就BP网络算法的缺点，介绍了BP算法的一些改进方法，最后针对BP网络收敛速度慢的缺点，本文对S函数作了限制和新的定义，并对“九五”和“十五”期间中国城镇家庭人均可支配收入进行实证研究，通过和传统方法应用结果的比较，体现了改进后的BP网络无论在速度还是在精度方面都有所提高；另外根据误差补偿思想，本文提出了一种新的组合模型——离散灰色和BP网络的组合模型，并对“九五”和“十五”期间中国城镇家庭人均可支配收入进行实证研究，结果表明组合模型比单一模型具有更好的预测精度。