在哲学与自然科学领域之中的一个非常重要的研究课题就是智能本质研究。这个课题对于机器再现及智能模拟来说,很可能标志着一种新兴产业即将问世。智能本质极其复杂的特性让智能研究现已全面打破传统科学的界限,引起了包括微电子学、信息科学、认知科学、心理学、神经学、脑科学,甚至数理科学等各领域专家在内的高度重视。人工神经网络技术的快速发展现状,极有可能促进其它学科(含信息科学)就此实现本质性突破。人工神经网络应用一旦全面普及,同样有可能将人类智能技术推向全新高度。在神经网络计算机研究方面,人类尽管已取得相当成果,但是由于人类对于人脑的认识还相当粗浅,对于建立一套完整的理论体系还是远远不够的,建立完全由神经网络构成的具有较高智能的计算机,目前来说还为时过早。人工神经网络是一门交叉性学科,已广泛于医学、生物学、生理学、哲学、信息学、计算机科学、认知学等多学科交叉技术领域,并取得了重要成果。BP神经网络实质上属于一种多层前馈网络,主要基于误差逆传播算法训练而成,这种神经网络模型在目前已经得到最普遍的应用;目前,预测研究领域内有一个重点研究课题——基于神经网络预测方法探索,这个课题不但实际应用价值突出,理论意义也极为重要。神经网络结构描述是本文研究的中心,重点研究BP神经网络原理、BP神经网络算法分析及改进和深度学习的研究。论文里利用了matlab神经网络工具箱,对数据通信中的相关数据进行了筛选与分析。将由此建立的预测模型应用于无线通信网络设备的运行数据采集与分析之中,将该预测模型与基于主成分的BP神经网络模型及普通BP神经网络模型对比之后可以发现,其网络结构显著简化,预测效率得到提升,同时较大地提高了预测精度。