随着市场竞争的不断加剧,销售预测得到了服装企业越来越多的重视,科学、准确的预测市场需求,对服装企业的设计、生产和销售起着至关重要的作用。　　 服装产品的销售情况受到各种复杂因素的影响,具有非线性特征,使用传统方法很难进行有效的销量预测。研究表明,人工神经网络可以实现任何复杂的非线性映射,并具有强大的学习和泛化能力,已被广泛的应用于预测领域。本文首先对传统预测方法与BP神经网络进行比较,对BP神经网络的性能进行了深入分析,并讨论了BP神经网络的优缺点;其次,详细说明了遗传算法全局搜索的优点,以及被用于优化BP神经网络的可行性;在此基础上,利用BP神经网络进行销售预测模型的建立,认真分析了服装销售过程中的影响因素,并通过文献研究与专家打分法确定了网络输入层的影响因子即季节因子、节假日因子、品类因子,详细探讨了样本数据的挖掘与处理、BP神经网络的拓扑结构、网络隐层节点数及网络初始参数的确定等问题。并使用遗传算法进行选择、交叉、变异操作,对网络的初始权值和阀值进行优化,克服了普通BP神经网络学习收敛速度慢,容易陷入局部最小值的缺点。最后,本文进行了实证预测,依据X品牌2008、2009、2010三年夏季每个月每个产品大类的销量数据预测2011年夏季每个月每个产品大类的销量数据,取得了比较准确的预测结果,女装及男装的预测平均准确率分别为91.27％和82.5％,基本上达到了预测精度的要求。同时,本文还使用了未经优化的普通BP神经网络进行销售预测,分析比较了普通BP神经网络与遗传BP网络的性能特征,验证了遗传BP神经网络的优越性与可靠性。　　 本文的研究结果表明,遗传BP网络在服装销量预测中可以取得较好应用效果,其强大的非线性学习能力能够很好的拟合复杂的销售数据。通过使用遗传算法优化BP神经网络的初始权值和阀值,能够很好的改进普通BP神经网络的缺陷,获得较好预测结果,可应用于服装企业的销售预测。