人工神经网络模型是近年来应用最广泛的数学模型之一.在管理科学领域中,如经济预测、决策分析、多指标综合评价、判别分析、专家系统、决策支持系统等众多领域中,人工神经网络模型已经成为一个重要的应用数学工具.经济管理领域中许多定量分析模型大多是基于大量的历史统计数据并通过建立数据之间的函数关系来进行研究的,而这些函数关系中有许多是非线性的和难以用传统的回归模型很好地描述的.由于人工神经网络模型具有较强的学习能力和较强的表达非线性信息交换的能力,它适合于用来表达这些非线性的函数关系.人工神经网络模型在实际应用中存在一些困难,包括对于较大规模的问题学习过程缓慢,样本的完备性难以保证,由于人工神经网络的外推计算能力差而导致计算结果的可靠性降低等.该文对人工神经网络模型在应用过程中时常出现的这些困难进行了分析,对人工神经网络的学习算法和模型分别做了一些改进的工作.该文还对神经网络外推计算方面做了一些研究工作,包括神经网络外推计算的数值实验研究和网络外推计算方法研究.该文做了人工神经网络模型在宏观经济预测分析中的应用实例研究,人工神经网络在电力负荷短期预测方面的应用,人工神经网络的区域映射模型在油田测井解释中的应用,这些应用研究的结果证实了上述模型和算法改进的有效性.