粗糙集理论是一种较新的软计算方法。可以有效地分析和处理不明确和不完备的信息，该理论近年来日益受到国际学术界的重视，已经在模式识别、机器学习、决策支持、过程控制、预测建模等许多科学与工程领域得到成功的应用。粗神经网络由粗神经元和传统神经元组成，每个粗神经元是由一对神经元构成，其上界称为上神经元，其下界称为下神经元。一般情况下，两个神经元使用四边联接，而一个粗神经元和普通神经元是用两边联接。传统的神经网络，每个神经元的输入和输出都是一个精确值，但在实际问题中，希望它们不全是一个值，有些是两个值或一个范围，而粗神经网络便可以解决这样的问题。近十年来，粗神经网络得到迅猛的发展，在众多领域得到广泛应用。本文给出了三层前向粗神经网络，输入层由4个粗神经元和10个一般神经元组成，隐层和输出层分别由5个、1个粗神经元组成。网络的输入是上海股市七天内的相关数据，输出的是第八天上证指数的最高值和最低值。本文同时给出了粗神经网络BP算法和用粗神经网络预测上证指数的程序。