چون بیمه عمر یکی از مولفه های تولید ناخالص داخلی است، پیش بینی مقدار آن با استفاده از متغیرهای اقتصادی کلان حائز اهمیت است. در این تحقیق از الگوی پیش بینی ساختاری و با بهره گیری از دو روش شبکه عصبی مصنوعی و رگرسیون خطی و با استفاده از داده های سالانه مربوط به سالهای 1317 تا 1385 هجری شمسی به پیش بینی حق بیمه های عمر با استفاده از رگرسورهای تولید ناخالص داخلی و تورم پرداختیم.چند شبکه عصبی با معماری ها و الگوریتم های آموزشی مختلف و با استفاده از معیارهای میانگین خطا به توان دو و ضریب تعیین مقایسه شدند و نهایتاً شبکه عصبی پیش خور 3 لایه با الگوریتم آموزشی لونبرگ مارکواردت انتخاب شد. سپس به پیش بینی با رگرسیون خطی با روش حداقل مربعات معمولی پرداختیم و نتایج حاصل با خروجی شبکه عصبی مصنوعی منتخب بررسی شد. مشخص شد که با توجه به معیارهای فوق الذکر، شبکه عصبی مصنوعی عملکرد بهتری دارد.