摘要： ＧＤＰ增速与ＣＰＩ指数具有复杂的时间序列和非线性特征。鉴于ＢＰ神经网络算法 有良好的非线性拟合能力，但容易陷入局部极小值的特点，提出了基于主成分分析的ＰＳＯＢＰ 算法。该方法主要通过主成分分析方法对输入变量进行降维，利用ＰＳＯ算法良好的全局寻优 能力对ＢＰ算法的权值和阈值进行优化，从而避免ＢＰ算法陷入局部极小值。最后运用模型对 ＧＤＰ增速和ＣＰＩ指数进行拟合预测。实验结果表明：该模型比ＰＣＡＢＰ模型和ＰＳＯＢＰ模型具 有更高的拟合精度和更小的均方误差。