神经网络作为非线性科学的一个重要分支，为研究非线性问题提供了有力工具。目前应用中较常见的是前馈神经网络，这其中又以BP网络及其改进形式居多。尽管成绩显著，它们也有种种不足，近年来提出的小波神经网络(WNN)被实践证明在许多方面都比BP网络有所改善，尤其在预测领域优点更加突出。本文以理论结合实践的手段，对BP网络和小波网络二者的网络性能进行了深入的比较研究，分析了各自的性能特点。并且在此基础上阐述了用小波网络进行预测建模的方法、要领。理论研究方面主要包括：从内部机制上比较、分析了两种网络的收敛性能(包括收敛速度、稳定性等)，揭示了神经网络应用中产生“泛化问题”的原因，并且讨论了两种网络泛化性能的各自特点。实践应用方面，研究了神经网络预测建模中的技术问题。论文初步探讨了新样本的训练对网络原有样本学习的影响，给出了相关猜想。在此基础上提出了“规避”这种负面影响的办法，提高了网络预测的质量。文章最后结合具体实例，说明了小波网络预测建模的方法、要领、和传统网络相比的特点，指出了小波网络和BP网络分别适用于哪些领域的预测。