针对电影票房预测与分类的研究中存在预测精度不高、缺乏实际应用价值等缺陷，通过对中国电影票房市场的研究，提出一种基于反馈神经网络的电影票房预测模型。首先，确定电影票房的影响因素以及输出结果格式；其次，对这些影响因子进行定量分析和归一量化处理；再次，根据确定的输入和输出变量确定各个网络层次神经元数量，建立神经网络结构，改进神经网络预测的算法和流程，建立票房预测模型;最后，用经过去噪处理的电影历史票房数据对神经网络进行训练。针对神经网络波动性的特点，对预测模型的输出结果进行改进之后，输出结果既能更可靠地反映电影在上映期间的票房收入，又能指出电影票房的波动范围。仿真结果表明，对于实验中的192部电影，基于神经网络算法的预测模型有较好的预测和分类性能(前5周票房的平均相对误差为43.2%，平均分类正确率可达93.69%)，能够为电影在上映前的投资、宣传以及风险评估提供较全面、可靠的参考方案，在预测分类领域具有较好的应用价值和研究前景。
