本文通过对广西北部6月平均降水量(预报量)同北半球月平均500hPa高度场和北太平洋月平均海温场进行相关普查，选取了前期36个同预报量相关显著水平达到0.05以上的预报因子(15个海温场预报因子，21个高度场预报因子)，并运用自然正交函数展开方法对这36个前期预报因子展开，取其中同预报量相关程度高的主成分，结合人工神经网络技术，提出了一种新的构造人工神经网络学习矩阵的方法，建立了一种新的短期气候预测模型。将这种新的预测模型(主成分神经网络预报模型)与同样根据这些预报因子建立的逐步回归预报模型进行了对比分析。结果显示，主成分神经网络预报模型的预报精度比传统的逐步回归预报模型明显提高，且隐节点数在输入节点数附近改变和训练次数在一定范围内改变时，预报精度很稳定。进一步深入分析研究发现，本文提出的这种基于主成分的神经网络预报模型，预报精度明显高于传统的逐步回归方法，其主要原因是这种新的预报模型集中了众多预报因子的预报信息，并有效地利用了人工神经网络方法的自组织和自适应的非线性映射能力；而传统的逐步回归方法是一种线性方法，并且逐步回归方法只是根据F值大小从众多预报因子中选取几个预报因子，其余预报因子的预报信息被舍弃。因此，本文提出的这种新的预报模型比传统的回归方法预报精度明显提高，这不仅为实际短期气候业务预报工作提供了一种新的有效预报方法，并且也为神经网络的预报建模方法进行了有益的探索，具有很好的应用前景。