Ad Hoc网络是一种以无线信道为物理媒介,无中心且其中所有节点地位对等的移动通信网络,按需路由协议是该网络中应用最广泛的一种路由协议。但是作为按需路由协议代表的AODV和DSR都是以最短路径作为路由选择的标准,在高负载量的情况下,路径的选择倾向于使用相同的节点作为中间节点,大量的数据通过少量节点传输,引起网络的阻塞网络,造成网络性能下降。因而对网络负载平衡问题的研究至关重要。基于神经网络预测模型对网络流量负载进行预测的负载均衡协议NNP-LBRP (Load-Balanced Routing Protocol Based On Neural Network Prediction Model)被提出。该协议利用RBF神经网络预测模型对Ad Hoc网络中的节点流量负载进行预测,根据预测到的下一时刻的流量负载状况,在节点出现拥塞之前提前更换路径,避免中间节点出现拥塞,以此来提高网络的性能。协议中的流量值是以MAC层接口队列长度来衡量,负载均衡中的负载是流量负载。另外,协议在路由发现阶段通过负载与动态阈值的比较避免重负载节点成为中间节点,目的节点处采用了延迟应答策略,即在多路径中选择负载最轻的路径应答,从而合理的分配网络流量,对改善网络的性能也有一定作用。在NS2仿真平台中,从三种不同的角度对NNP-LBRP、NRT-LBRP与AODV路由协议的性能进行了仿真分析与比较。仿真表明,NNP-LBRP、NRT-LBRP路由协议在不同的发包率、不同的连接数、不同的节点密度等方面均表现出比AODV优越的性能。其中,加入预测机制的NNP-LBRP与NRT-LBRP相比,对网络性能的改善更具有优越性。仿真结果表明在发包率不同的情况下NRT-LBRP使得数据包投递率比原始AODV提高了4%；平均端到端延时比AODV平均降低了16%；归一化网络开销平均降低了25%；而NNP-LBRP使得数据包投递率比原始AODV提高了约10%；平均端到端延时比AODV平均降低了27%；归一化网络开销平均降低了26%。