面对全球经济化和信息技术的快速发展,市场竞争会日益激烈,优先对市场做出合理、快速反映的企业才能抓住机遇,得到发展。伴随着我国进入WTO市场后,服装业得到了快速发展,但随之而来的库存成本问题则变成了制约服装企业发展的重要因素。服装由于有季节性变化和气候的随机性等原因,导致服装企业的生产预测复杂,大部分企业只能通过大批量投产来抓住市场,但这却使企业的生产成本高居不下。数据挖掘技术的本质是数学建模,将海量数据中的隐式数据关系建立显示数学模型,从而得到最优解。目前,一般的市场销售预测方法考虑因素单一,建立的模型无法满足多制约因子,直接影响了预测结果的精度。随着近年来神经网络理论的发展,各算法研究更加成熟,这为本文使用新的预测方法提供了技术保障。神经网络具有很好的自组织性、自学习能力,现在已经应用在了汽车工程、水利工程、信号处理、智能检测、信贷分析和市场预测等许多领域中。所以,本文把收集到的大量历史数据加以筛选整理,从中分析选取影响因素,并对样本数据进行预处理,采用BP神经网络技术用于市场预测,建立相应的市场预测模型。并通过对多影响因子BP神经网络模型与时间序列神经网络、三次指数平滑模型、回归预测模型等经常使用的模型的预测结果进行分析、比较,最终得到最优模型。其次,论文探讨了服装市场销售的影响因素。根据服装选取影响因素的准则,确定论文中服装市场预测的影响因子。最后,本文通过使用MATLAB对模型进行模拟运算,得到相应结果,并对多影响因子BP神经网络预测模型的局限性做了相应说明,对今后更深入研究进行了简单讨论。