在旅游管理中，科学的旅游市场趋势预测，对旅游经营与管理决策具有重要的意义。兴起于上世纪40年代的人工神经网络，是人工智能的一个分支，它能学习、贮存以往的历史经验知识和数据，并能外推未来，这也是神经网络用于预测领域的理论依据。对于非线性时间序列的趋势预测，神经网络与其他数学模型相比，具有高效、高精度的突出特点，是预测领域的一个重要的新兴研究方向，因此，神经网络法在旅游市场预测领域具有较好的应用价值和前景。　　 本文基于旅游市场预测理论和人工神经网络理论，以旅游市场趋势预测方法为研究对象，运用人工神经网络技术和MATLAB软件，在综合分析旅游市场趋势影响因素的基础上，构建了单因素和多因素神经网络法旅游市场趋势预测模型，最后以云南旅游市场发展为案例进行了实证预测分析。全文共分为7章，各章的具体研究内容如下：　　 第1章提出了研究问题，并对研究背景进行了简要介绍；在综合阐述“旅游市场趋势预测方法”、“人工智能方法应用于旅游市场趋势预测领域的研究”的基础上，指出了人工神经网络技术在旅游市场趋势预测中的研究意义与应用价值；最后提出了本文的研究的主题、研究内容、研究方法及技术路线。　　 第2章阐述了研究的理论基础：旅游市场趋势预测的理论、方法及人工神经网络理论。首先介绍了旅游市场趋势预测的基本原理；接着比较分析了旅游市场趋势预测的两种主要传统方法，即回归分析方法和时间序列预测方法的特点；最后重点介绍了人工神经网络的概念、基本原理、发展历程、应用现状、主要预测模型等相关基础理论。　　 第3章重点介绍了神经网络法旅游市场趋势预测的实现软件——MATLAB。对MATLAB产生的历史背景、语言特点、神经网络工具箱及其函数等概况进行了概述。　　 第4章构建了神经网络法旅游市场趋势预测模型。本章基于神经网络的系统原理，提出了应用神经网络进行旅游市场趋势预测的原理、方式及具体步骤，进行了设计前的相关分析，最后分别构建了单因素、多因素神经网络法旅游市场趋势预测模型。　　 第5章进行了单因素神经网络法旅游市场趋势预测模型的实证研究。首先选取了云南旅游市场的四个基本指标(国内旅游人数、国内旅游收入、海外旅游人数、旅游外汇收入)作为预测指标，收集了云南国内旅游和海外旅游的历史统计数据作为样本进行了数据分析及处理，最后对四个指标分别进行了实证预测分析。　　 第6章以仍云南旅游为例，对多因素神经网络法旅游市场趋势预测模型进行了实证研究。首先根据多因素模型的因素分析，选取并收集了影响云南省国内旅游市场趋势发展的主要因素变量及其数值，对云南国内接待人数和国内旅游收入两项指标进行了实证预测分析。　　 第7章综合前面研究得出神经网络法与传统预测法，单因素与多因素神经网络法等预测结果对比结论，同时，指出了研究中存在的不足，并展望了未来研究的重点和方向。　　 通过研究，本文得出以下结论：　　 (1)通过实证分析，神经网络模型的预测精度总体都较高，预测精度能达到90％以上，其中，在实证条件下单因素比多因素模型的预测精度更高：多因素模型比单因素模型更为符合旅游市场趋势发展的实际情况。　　 (2)神经网络法应用于旅游市场趋势预测能够较好的实现动态预测。由于神经网络具有自学习能力，可以不断增加新的实际数据，对原有的网络做动态修订。　　 (3)神经网络法提供的相关信息较少。虽然神经网络预测可以通过回归分析相关因素来综合预测旅游市场趋势，但总的来说，其提供的相关经济信息较少，且只能预测到数据点，不能提供区间预测值。　　 (4)神经网络方法较传统预测法而言，具有更高的技术门槛。一般而言，神经网络法对于那些规律不明显、用统计方法难解决的问题(非线性问题)具有独特的优势，但神经网络法比传统的预测方法在技术上更为复杂。　　 (5)不是样本数据量越大，单因素模型的预测精度就越高；不同指标的样本数据值波动越大，单因素模型的预测精度越低。　　 (6)国内样本数据受到国际、国内因素影响小；而海外旅游者等两项指标样本数据受国际、国内因素影响较大，导致数据波动大，单因素模型的预测精度也随之降低。