根据自然灾害难以预测的特性,自然灾害出现后对人类社会造成了重大的人员损失和财产损失,快速响应应急物资的供应是减少人民生命财产损失的关键,而实现应急物资的供应迫切地需要对应急物资需求进行科学合理有效的预测,同时高效、及时的应急物资需求预测能够为决策者提供有效的政策调整建议。由于地理位置因素导致我国地震频发,地震灾害作为影响最严重的自然灾害之一,通常给社会造成不可估量的损失,震后对灾区物资供应是救援工作最主要的内容。由于震后灾区的详细信息不能及时反馈,应急部门不能判断具体某种物资的需求,物资配送量便会缺乏准确性,供应量过大导致严重的浪费,但供应量太小又无法解决人们对物资的需要。所以在应急部门向灾区供应物资之前,及时正确的预测出灾区对应急物资的需求量至关重要,这不但有利于事后救灾管理工作,同时可以为应急部门进行决策带来参考。本文使用间接预测的方法完成对震后的应急物资需求预测,首先针对伤亡人数的预测,选用了三层结构的BP神经网络作为预测模型,BP神经网络具有较强的非线性映射能力,因此可以相对有效的对本文的非线性问题进行建模。能够更好的拟合伤亡人数,进而通过伤亡人数进行应急物资预测。本文指出传统BP神经网络存在收敛速度慢、容易陷入局部最优等缺点,提出使用主成分分析法对应急数据处理,以达到去除冗余信息减少BP神经网络输入的目的,其次利用森林优化算法对BP神经网络进行改进,运用森林优化算法的全局搜索能力和避免陷入局部最优的特点,进一步解决了BP神经网络存在的问题。经过实验证明,对比传统BP神经网络、PSO-BP神经网络、FOA-BP神经网络的三种预测模型,使用均方根误差、平均绝对误差、平均绝对百分比误差三种指标评估模型的性能,验证了我们所给出的FOA-BP神经网络模型的有效性和准确性。最后估算应急物资时,将伤亡人数和安全库存理论结合,以满足灾区人民的基本生存为原则,对饮食类、御寒类和医疗物品类物资需求进行计算。震后对应急物资需求作及时的预估,能够在较大程度上降低物资供应不准确的状况,如此便能在尽量保证了灾区人民对物资的基本需求的情况下又可以节约资源,从而既不浪费又有助于后期救援工作的成功实施。