我国在过去几十年中进行了经济发展战略的转型，由从前的封闭走向开放，开始实行贸易自由化政策。近年来，在经济全球化和国际分工专业化的大浪潮中，我国出口贸易规模呈现不断扩大的趋势，由此产生的环境关系问题也开始逐步受到我国学者和政府的关注。如果一味追求贸易自由化而不考虑可持续发展，贸易的扩张可能给环境带来很大的负面影响，甚至环境代价大大超过经济利益。因此有必要对贸易引致环境污染的内在规律和发展趋势进行准确的预测，为政府提前做出合理的环境与贸易决策提供可靠依据，使我国贸易自由化健康持续发展。在实际的经济体系中，贸易自由化与环境之间并非简单的贸易自由化→产出增加→污染增加的关系，贸易对环境的影响效应是通过不同的机制进行的，除了上述的规模效应，还有结构效应和技术效应，贸易自由化对环境的影响是一个较为复杂的问题。本文先从理论和模型两方面分析贸易是如何通过这三种效应影响我国环境的，理论分析发现贸易规模对环境质量的影响效应一般为负，贸易产品的结构效应取决于生产扩张部门和生产收缩部门之间污染强度的比较，贸易对环境的技术效应抑制了污染水平，效应为正。随后建立的一个小型开放经济模型则从数学角度证实了上述论点。接下来，文章介绍了人工神经网络的基本理论，重点讨论了BP神经网络的基本原理、学习算法以及该算法的不足和改进，并结合这些基本理论和本文研究的具体问题进行了神经网络的设计。最后，本文在理论与模型分析基础上构建了贸易—环境预测指标体系，并在MATLAB软件中通过反复试验比较选择出最佳的网络结构和参数实现了模型的仿真，得出我国环境污染指标的预测值。贸易与环境之间的非线性复杂关系排除了相当一部分传统预测方法在这一问题上的适用性，而BP神经网络的自适应学习和容错能力在此时显示了极大的优势。本文的实证过程表明，虽然BP神经网络本身还存在着某些不足和缺陷，但通过选择优化学习算法和反复多次的调试可以达到预期的精度目标，为我国贸易环境效应预测提供了一种有效的新途径。