随着民航业的飞速发展,乘飞机出行已成为我国众多居民远途旅行的首选,机票代售点的数量以及机票的销售量都在不断增多。机票销售量的准确预测更有利于机票销售市场的规划。如何提升机票销售量的预测准确率具有重要的社会意义。国内外学者对销售领域的销售量预测研究已经较为深入。在前人研究的基础上,寻找更加稳定且预测准确率更高的算法成为近些年来许多专家关注的重点。BP神经网络是应用十分广泛的数据挖掘预测算法。传统BP神经网络的初始权值和阈值是随机产生的,再利用梯度下降法对其进行反向调整,直至训练结束。若这两个初始参数选择不当,则容易造成网络出现局部最优、收敛速度慢等问题。为了有效地提升BP神经网络的预测性能,文章提出自适应和声算法(HS)与遗传算法(GA)的混合优化算法(GA_HS)对BP神经网络的初始权值和阈值这两个参数进行优化。建立预测模型对比改进前和改进后的BP神经网络的预测准确率,以此证明改进算法的可行性。实验结果表明,GA_HS算法优化BP神经网络建立的GA_HS_BP模型的预测准确率更高,但GA_HS算法的适应度函数值在90次时才迅速减小,其收敛速度慢。为了进一步提高改进算法的收敛速度从而更好地优化BP神经网络,进而提出细菌觅食算法(BFA)与自适应花授粉算法(FPA)的混合算法(BFA_FPA)同样对BP神经网络的初始权值和阈值进行优化,建立BFA_FPA_BP模型,完成预测对比实验。最终实验结果表明,BFA_FPA算法优化的BP神经网络在预测准确率和搜索速度上都有了更进一步的提升,证明了该改进算法的有效性。最后利用预测性能相对较好的BFA FPA BP模型完成机票销售量的预测。