随着经济的发展，我国的社会化进程加快，各方面都取得了快速的发展和提高，这就产生了一个需求，即如何更好的适应和指导这些发展变化。而这些都离不开对宏观经济走势的把握，无论是对于国家还是个人来讲。在这种情况下，如何做出准确化的决策并且使其达到最优化，已经成为当今社会急需处理的问题，因此有关经济预测方面的课题已经受到各学科界以及政府部门的重视。　　 对于宏观经济来说，它是一个极其复杂又庞大的系统，不容易进行简单的分析和建模，它里面包含大量有关联的影响因素，各项指标之间都存在或多或少的关系。正是因为宏观经济系统如此之复杂和难解，同时还存在一些外界的干扰和不定因素，使得这个体系总是在不断地波动，而不是一个简单的静态系统，它里面的各项指标会根据时间的变化而发生相应的改变。所以，不能简单地依靠某种方法来对其进行研究，而应该以科学的方法为指导思想，结合定量与定性的双重手段，综合多种研究方法以及相关的研究经验来系统地研究宏观经济，对其进行建模和预测。而在宏观经济中最重要的指标就是GDP，所以本文尝试对GDP进行预测。　　 近年来人工神经网络的应用十分流行，因为它内部的各个因子具备非线性的优点，这样就使得它能更好的处理那些复杂的非线性系统问题。而BP网络作为其中重要的一种模型，应用也十分普遍。本文详细研究了经济预测的方法，类别，预测结果的评价等，同时为了得到更好的效果，我们还使用遗传算法米对BP网络进行优化，将两者结合起来对宏观经济进行建模，从而预测GDP。　　 本文正是基于宏观经济系统自身的特点，以及人工神经网络算法自身的不足之处，将两者综合起来应用，通过遗传算法优化BP神经网络，得到综合型的GA-BP模型，然后将其应用到宏观经济的预测中。通过一系列的研究和实验得知，这种模型提升了精度，对宏观经济做出预测能够取得很好的结果，最后说明这种GA-BP模型对于解决预测问题效果良好，应用也非常广泛。