随着中国经济的快速增长和人均收入的提高，以及各旅游目的地的组织能力、交通运输、旅游设施的完善，中国旅游业持续得到发展。旅游业将对我国经济发展产生日益明显的推动作用。旅游需求预测在旅游规划中具有重要的作用。常见的旅游需求预测方法是基于统计学的数学模型：时间序列预测法和因果模型预测法。对目前己在许多领域广泛应用的人工神经网络模型应用很少。然而旅游市场往往受到许多因素的制约，这些因素之间呈现出错综复杂的关系，而且不稳定因素也很多，传统方法难以得到有效的预测结果。有必要研究应用一些新的解决非线性问题的方法。人工神经网络是基于模仿大脑神经网络结构和功能而建立的一种信息处理系统。它具有极强的非线形逼近、大规模并行处理、自学习、自组织和容错能力等优点，使得它在实际应用中成为一种良好的分类和预测工具。因为神经网络可以很好地识别训练样本之间的相关性，所以它在预测功能上优于传统的统计分析方法。而且，当训练样本较少且有“白噪声”(即随机误差)的时候，神经网络更是优于普通的统计模式。一般而言，旅游需求统计数据时间较短，旅游市场还受到许多不可预知因素的干扰，所以在进行旅游需求预测时用神经网络是一个比较优越的模型分析方法。BP神经网络是目前应用最广泛的一种神经网络模型。通过对比分析，笔者认为BP(back propagation)神经网络应用于解决旅游需求这样的非线性问题是可行的而且是十分有效的。论文分析、研究了人工神经网络的基本理论、预测方法，对旅游需求预测指标、神经网络预测模型的选择、建模流程和实现方法进行了初步探讨。设计了基于BP神经网络的旅游需求预测系统。构建于Win98之上，用c语言实现。应用程序模块以文件方式进行调用。论文采用该预测系统对云南旅游需求进行了实际预测分析。结果证实了该神经网络旅游需求预测系统的有效性。在云南省入境旅游需求预测中，分别采用5-8-1和2-7-2神经网络结构，预测了云南省2005～2008年旅游外汇收入以及海外游客人数、外国游客人数。为了验证神经网络预测系统的可行性，笔者分别建立了对旅游外汇收入以及海外游客人数、外国游客人数训练样本拟合较好的生长曲线模型、Compound曲线模型，对仿真结果进行对比分析。各种模型仿真结果用MAPE(绝对平均误差)、R(相关系数)2个模型精度评价参数来评价精确度，结果表明神经网络系统的仿真精度比其他的模型好。还建立了旅游外汇收入以及海外游客人数、外国游客人数分别与国民生产总值拟合较好的三次多项式回归方程模型，对仿真结果进行相应的对比分析。结果仍是BP神经网络系统的仿真效果较好或较为接近。