物种和生物系统内的生物多样性价值是物种和生态系统生存能力的主要指标之一。近几十年来，生物多样性保护问题已成为考虑全球、国家和地方环境和经济变化的核心问题之一，因为维持生命和经济活动的潜力正在下降。在地方层面保护某些类型的生物资源会对其他地区的情况产生影响。尽管在经济活动与自然环境保护之间关系的研究中发生了重大转变，但生态状况在过去二十年中仍在恶化，导致生物多样性退化。在这种情况下，有必要提高现有的生态系统生物多样性定量评估的可信度并引入新的定量评估，以便对当前生物系统的状态得出客观结论，并预测生物系统的发展，同时考虑外部影响。这将允许调整经济活动，考虑到保护物种丰富度的需要。到目前为止，可以定量评估生态系统生物多样性的定量指标有香农多样性指数、皮耶卢指数和辛普森指数 [1]。这些指数是根据离散度和熵公式计算得出的，这些公式以个体对之间所有关系的数量为参数，无论它们属于哪个特定分类单元。在生物多样性的定量评估中，我们还可以列举 Theil、Berger-Parker、Gini 和 McIntosh 指数。这些指标以及变化预测可以使用目前广泛使用的基于神经网络的人工智能方法获得。神经网络将提高这些评估的客观性，因为它们的使用允许考虑外部因素对生物多样性定量评估的影响，并且神经网络输出的结果不依赖于提供给其输入的数据的分布类型，这与大多数机器学习算法不同，其中的工作基于所研究数据的正态分布假设，但在实践中并非总是如此。使用神经网络对生物多样性进行定量评估基于以下描述的方法：