近年来,随着人工神经网络的学习算法和网络结构的不断创新和发展,人工神经网络被广泛应用到工业生产和生活服务等多个领域。在能源与经济发展方面的研究,人工神经网络也得到很多应用。目前能源对经济发展影响领域有关神经网络的运用主要集中在对某一指标变量的预测方面,并且通常所使用的人工神经网络种类较为单一。为了更为深入地分析能源与经济发展之间的关联,我们采用了多种神经网络模型对这些关联信息进行细致的研究。第一部分,主要对适合能源与经济分析的神经网络方法进行探讨,这一方面的方法论研究主要结论有:(1)BP神经网络和径向基函数网络除了能够对变量进行合理预测外,还可以分析输入变量对目标变量的影响权重,这一功能可由网络权重的计算来实现;(2)通过输入变量对目标变量的拟合分析,实现对输入变量的评价与筛选;(3)通过对多个变量的预测,提出运用人工神经网络进行变量预测时的建议。第二部分采用了多种人工神经网络方法,从能源消耗与能源进口的角度,研究了能源对我国GDP的影响。从能源消耗的角度,我们采用BP神经网络的方法,通过各类能源的消耗量来拟合GDP的变化趋势,利用网络权值计算各能源消耗量对我国GDP的影响。从能源进口的角度,考虑到能源进口数据差异较大,我们构建了能源进口消耗比变量,先采用BP神经网络对该变量和原始变量进行评价和筛选,之后利用径向基函数网络进一步分析各变量对我国GDP的影响。此外,本研究还进一步调研了国际能源市场对我国能源进口的影响及我国的应对策略,探讨了我国能源消费、能源结构现状和制约我国GDP的能源问题。这一部分的主要结论有:(1)清洁能源在能源结构中的比重增加明显,但煤炭在我国能源消费中占比依然巨大;(2)原油进口是限制我国GDP发展的重要因素;(3)对我国当前能源问题提出建议。