从古至今,中国地震频发,对中国的经济水平和人们的生命安全都造成了很严重的损害。大型地震发生后,人员伤亡会很严重,这时灾区就需要大量的应急物资。但是由于地震发生的时间通常都很快,应急部门无法在第一时间得知灾区的伤亡情况,也就无法确定应急物资的需求,这样应急物资在配送时便会失去准确性。供应量太大会造成物资的严重浪费,而供应量太小又无法满足灾区人们对物资的需求。因此,地震发生之后及时准确地预测出灾区对应急物资的需求量至关重要,这不仅有助于开展后续的救援工作,而且能够为应急部门作出决策提供便利。本文主要利用粒子群算法对BP神经网络进行了改进,并用改进之后的模型来预测大型地震应急物资的需求量。BP神经网络运用PSO算法进行改进之后来预测6级以上的大型地震中的人员死亡率和受伤率,从而得出伤亡人数和存活人数。再利用存活人数、受伤人数与不同应急物资之间的数量关系来估算出各种应急物资的需求量。本文选取了历年以来20次大型地震的数据作为样本,随机分配出了训练样本、测试样本和变动样本。对死亡率和受伤率进行预测时,本文选取了8个预测指标,用所有样本进行主成分分析之后最终选定了6个预测指标来进行预测。接着设置了网络的结构和一系列参数,构建了粒子群算法改进后的BP神经网络,用训练样本得出了优化后的初始权值和阈值。之后用分配好的三种样本对网络进行了训练和测试,验证了模型的有效性和准确性。估算应急物资时,本文主要估算了饮食类、御寒物品类和医疗物品类物资的需求量。通过对大型地震应急物资需求量的预测,能够对政府应急部门确定物资的供应量提供一定的参考,这样便可以在很大程度上避免供大于求或者供不应求的情况,在尽可能满足灾区对物资的需求的情况之下还能够节省物资,既不浪费又有利于后续救援工作的顺利推进。