径向基函数网络是一种性能优良的、有着较高运算速度和外推能力的优点的人工神经网络，具有强烈的生物学背景,一直备受关注，并被广泛应用众多领域中，它在经济活动的分析和预测中的应用已涉及到国民经济、债券市场、商业银行、汇率、税务、市场价格指数等方面。经济学家和金融学家在做经济预测时发现，传统的线性回归模型难以达到极佳的预测效果。随着非线性理论的研究和应用工具的急速发展，RBF网络模型被广泛运用于经济金融领域的预测，同时达到了比传统线性回归模型更加好的预测效果。本文运用多段RBF网络模型对我国粮食产量进行预测。本文从RBF网络函数研究的背景和意义出发，介绍了RBF网络模型的发展，以及在经济金融领域的广泛应用；随后阐述了RBF网络函数的结构与算法基础，重点论述了正交最小二乘法和正则最小二乘法的理论基础和模型的衡量方法，并在正交最小二乘法和正则最小二乘法的基础上提出多段正交最小二乘法和多段正则最小二乘法，同时通过计算机模拟实验进行验证得出该方法对实验数据具有很好的逼近效果。最后通过运用多段RBF网络模型和线性回归模型对我国粮食产量的预测进行比较，以及同吴玉鸣，徐建华论文RBF网络模型的预测结果比较得出结果，在进行预测时，多段RBF网络模型对粮食产量的预测精度比线性回归模型对粮食产量预测的精度高很多，同时也比RBF网络模型的预测精度高。