神经网络作为一门新兴的信息处理科学，是对人脑若干基本特性的抽象利模拟。它是以人的大脑工作模式为基础，研究自适应及非程序的信息处理方法。这种工作机制的特点表现为通过网络中大量神经元的作用来体现它自身的处理功能，从模拟人脑的结构和单个神经元功能出发，达到模拟人脑处理信息的目的。目前，在国民经济和国防科技现代化建设中神经网络具有广阔的应用领域和发展前景，其应用领域主要表现在信息领域、自动化领域、工程领域和经济领域等。不可否认的是，虽然它具有广泛的应有领域，同时自身也存在着许多缺点，从而成为当今人们一直研究的热点问题。在当今社会，BP神经网络是现实应用中最为广泛的，它具有神经网络的基本特征，所以，本文以BP神经网络作为研究对象。研究的内容主要有：首先，对生物神经元与人工神经元之间的关系和BP神经网络的基本原理及推导过程进行详细阐述，提出了BP神经网路存在的缺点，并对该缺点产生的原因加以分析。其次，对BP神经网络的结构设计、参数选择、样本的选择及处理、初始权值和转移函数的选择进行了研究，特别是对在含有动量项的BP神经网络中动量系数的确定、不同传递函数对网络训练速率的影响和BP神经网络的结构确定进行了深入研究。再次，对标准BP神经网络存在的收敛速度慢和容易发生振荡等问题进行分析，其产生的主要原因是因为梯度下降法本身所造成的，所以对梯度下降法进行了改进，进而提出了改进的BP神经网络模型，并通过计算机仿真证明了改进的BP神经网络无论在训练速率上还是在训练精度上都明显优于标准BP神经网络。最后，将改进的BP神经网络应用于我国黑龙江省农机总动力预测中，并取得了预期的效果，为黑龙江省的农业机械化发展趋势和农机产品市场分析等方面提供了一定的理论指导。当然，由于笔者的学识有限，对BP神经网络的研究还不够全面，难免有些不足之处，需要有待于对BP神经网络的理论和应用有更进一步地深入研究。