随着我国加入WTO，经济和贸易的高速发展推动了我国集装箱运输的高速发展。集装箱堆场作为集装箱运输中一个不可缺少的组成部分，也因此得到了迅猛发展。但目前许多堆场在管理方面存在着高峰和低谷期作业不均衡，人员、设备及资源闲置浪费等问题，大大降低了堆场作业效率，增加了堆场的运营成本，给集装箱运输的顺利有序进行带来不可忽视的影响。 针对这一问题，本文结合深圳金鸿基集装箱堆场的管理信息系统开发项目，对神经网络时间序列预测的原理及模型进行了研究，并结合传统的移动平均法建立了一个有效的预测模型，应用到该堆场信息系统的预约管理模块中，为预约时间的选择提供科学的依据，从而错开安排客户到堆场存取集装箱，有效地提高了堆场的运作效率。 本论文研究的内容主要包括以下方面： 首先，介绍了传统时间序列预测原理及模型，在此基础上，对BP神经网络时间序列预测模型的建立机制及BP算法的改进进行重点阐述与研究。 其次，运用Matlab7.0软件编程建立了BP神经网络及移动平均时间序列预测模型，并结合深圳金鸿基集装箱堆场的实际历史进出场集装箱数据对未来进出场数据进行预测。 最后，在Visual Studio.Net的开发平台上，运用C＃编程语言将基于BP神经网络的时间序列预测模型运用到集装箱堆场信息系统的预约管理模块中，并提供历史及预测数据的二维、三维图形显示功能，完善该系统的预约管理模块。 此外，在其他许多行业内都存在与该堆场类似的问题，如超市、银行等，对于这类问题均可以运用文中所提到的基于神经网络的时序预测模型统计分析历史数据并预测出未来某天各个时段排队需要服务的顾客数量，并依据预测值来进行人员的调配安排，判断是否需要添置新的设备及是否需要新开服务窗口等，因此该模型具有非常广阔的应用前景。