中国的论文发表量目前世界第一,又随着互联网技术的发展,商业数据库和开源数据库的增加,论文的传播速度也随之加快。铺天盖地的良莠不齐的文献如何更加科学的评价其质量,成为了文献计量学的一个研究热点。以往的评价指标有诸多弊端,论文下载检测系统的完善使得论文下载量成为评价论文指标的一个重要标准。以往学者们主要论述了论文下载量指标应该纳入评价论文好坏的体系,论文下载次数和论文引用次数的关系,和用一些统计学方法展现了论文下载量的一些规律。本文运用推断统计学中时间序列和神经网络来预测论文的下载量。本文搜集了plos期刊中Biology板块2003年06月到2014年05月份关于论文下载量的SQL server数据,然后经过数据的预处理之后最终选定用2003年1 1月到2014年05月分的数据进行实例验证。利用SQL server软件对数据进行预处理,利用EXCEL软件对数据做描述性统计,所有散点图大致走向均相同证明该数据具有普遍代表性；用SAS软件对数据进行时间序列分析,建立ARIMA模型和预测,利用BIC准则选出最优估计模型,并且参数估计和残差的白噪声检验都通过了统计学检验,拥有统计学意义,并且得出了5个月的预测数据,平均预测误差为19.43%,预测散点图显示预测值和真实值及其接近,并且均在90%的置信区间内；利用matlab软件对数据进行BP神经网络建模和预测,预测值和真实值的走向趋势基本一致,并且BP神经网络预测的评价误差只有4.32%,证明预测结果较为理想。综合考察BP神经网络预测结果比时间序列预测结果更好。