论文以人工神经网络理论为基础,对旅游需求预测指标的选择、神经网络预测模型的选择、旅游需求神经网络预测模型的建模流程和实现方法进行了初步探讨,构建了基于人工神经网络的旅游需求预测理论.论文中,主要是基于旅游需求的时间序列统计数据,应用人工神经网络多步预测和滚动预测方法,建立旅游收入神经网络预测模型和旅游人数神经网络预测模型.论文采用三层前馈反向传播神经网络(Back-Propagation Network,简称BP网络)模型,以青岛市为例,对旅游需求进行了预测.在进行网络训练时,为了保证数据为同一个数量级,采用了归一化处理方法,对神经网络的输入和输出数据进行一定的预处理.算法上采用含有动量因子的自适应调整学习率的变学习率算法或Levenberg-Marquardt优化方法对网络进行训练,以提高网络的收敛速度.采用修改性能函数的方法,提高模型的泛化能力.在青岛市入境旅游需求预测分析研究中,分别采用5-8-1和3-25-3神经网络结构建立旅游外汇收入预测模型与入境旅游人数预测模型,预测了青岛市2003~2008年旅游外汇收入以及入境旅游人数.为了验证人工神经网络模型的可行性,作者用同样的训练样本分别建立了旅游外汇收入二次曲线模型、指数曲线模型和入境游客三次曲线模型、指数曲线模型.并对各种模型仿真结果用MAPE(绝对平均误差)、R(相关系数)、Z(输出数据可信度)3个精度评价参数来评价模型的精确度,结果表明神经网络模型的仿真精度比其他的模型好.旅游需求神经网络预测模型的建立与实现,都是借助MATLAB软件.其中的神经网络工具箱以人工神经网络理论为基础,构造了网络分析和设计的许多工具函数.运用神经网络工具箱进行预测研究,编程简便,预测过程易于实现.