در این مقاله از شبکه عصبی GMDH، به عنوان ابزاری با قابلیت بالا در مسیریابی و تشخیص روند های غیرخطی پیچیده، به ویژه با تعداد مشاهدات محدود، برای الگوسازی و پیش بینی رشد تولید ناخالص داخلی به قیمت ثابت در ایران استفاده شده است. ابتدا الگویی بنیادی شامل 7 متغیر همراه با وقفه اول رشد تولید ناخالص داخلی طراحی و سپس با استفاده از فرآیند قیاسی و نیز کنار گذاشتن هر متغیر از الگوی بنیادی، در مجموع 18 مدل اجرا شد. نتایج نشان داد الگوهای حاصل از کنار گذاشتن رشد صادرات کل، رشد صادرات نفت و رشد حجم تجارت از الگوی بنیادی، به ترتیب بیش ترین سهم را در کاهش خطای پیش بینی دارا هستند. هم چنین اثر مضاعف رشد هزینه های دولت بر متغیر هدف، موید نتایج مطالعات اخیر در کشورهای در حال توسعه نفتی است. برتری شبکه عصبی GMDH در دقت پیش بینی رشد اقتصادی نسبت به روشARIMA ، بر اساس معیارهای خطا نیز مورد تایید قرار گرفت.