近年来，各类自然灾害和突发事件频繁发生，对人类社会的生命财产安全造成了极大的威胁。应急物资是救援工作的基本保障，科学合理的应急物资需求预测结果能为应急物资的组织和调度提供基础数据，是实现高效救援的关键。鉴于此，本文进行了以下研究：首先，在明确应急物资需求概念的基础上，分析总结应急物资需求的内容及特征。利用模糊层次分析法计算关键因素模糊权重，专家通过突发事件现场采集到的信息对关键因素进行赋值，形成关键因素模糊矩阵，通过计算海明距离得到应急救援等级划分，为物资需求预测提供参考。其次，介绍BP神经网络及PSO算法。为解决BP神经网络易陷入局部极小和收敛速度较慢等缺陷，采用全局寻优能力较强且收敛速度快的PSO算法优化神经网络的权重使之快速收敛至最优解附近，之后再利用局部搜索能力较强的BP神经网络进一步寻优，从而得到网络的权重最优值，并将融合后的算法应用于应急物资需求预测中。最后，以某次突发事件后应急物资需求实际情况作为研究背景，建立基于PSO-BP神经网络的应急物资需求预测模型，对该模型进行仿真研究与对比分析。通过仿真结果表明：与单独的BP神经网络预测方法相比，PSO算法优化BP神经网络更易跳出局部最优，具有较快的收敛速度，且在预测的准确率上有所提高，为实际应急物流活动提供有效的依据。