شبکه های عصبی مصنوعی، یکی از روش های جدید و کاربردی در آمار ریاضی بوده و در مدل سازی، شناخت مدل، خوشه بندی و پیش بینی بکار می رود. در این تحقیق پس از معرفی شبکه های عصبی مصنوعی، عوامل مختلف ساختاری، روش های متفاوت یادگیری شبکه های عصبی و انتخاب و استفاده از داده ها در فرآیند پیش بینی، مورد ارزیابی قرار می گیرد. سپس نظریه تحلیل مقادیر ویژه منفرد به عنوان روش جدیدی برای تحلیل سری زمانی معرفی می شود. در این روش نا پارامتری سری زمانی اصلی به مولفه های مستقل مانند روند، هارمونیک و اغتشاش تجزیه می شود و این روش نیازمند هیچ نوع فرض آماری نظیر مانایی سری زمانی و نرمال بودن خطاها نبوده و همچنین برای سری های زمانی کوتاه مدت نیز قابل اجرا است. در ادامه با استفاده از شبیه سازی روش های شبکه عصبی مصنوعی، تحلیل مقادیر ویژه منفرد و الگوریتم باکس-جنکینز در رابطه با پیش بینی سری های زمانی مورد مقایسه قرار می گیرد.