随着科学技术的不断发展,电影与现代科技相结合,越来越多元化的电影进入到了电影市场。电影虽然是精神文化的艺术形式,但归根结底是它的商业价值。影响票房高低的因素太多太过复杂,但票房又直接影响着中国电影市场的发展,所以对中国电影票房的预测就显得尤为重要。电影票房预测困难,究其原因还是影响因素太复杂,预测方法不好选择。如果能更加准确地预测出即将上映的电影的票房数据,就可以有效地帮助电影制作方做出更加合理的决策,及时对电影发行做出调整,这就是本文研究的出发点。本文根据构建指标体系的基本原则,将电影票房的影响因素分为电影自身特征影响因素和用户行为影响因素,共选取了15个指标,并将所选择的影响因素指标分为三类,分别为是非型指标、多类型指标、影响力指标,对不同类型指标分别进行量化处理。然后通过艺恩数据等平台选取了中国市场华语电影票房五千万以上的电影490部进行实证预测分析,通过粗糙集属性约简去除相对不重要的指标,进行模糊聚类类别划分,分别建立BP神经网络回归预测模型,通过5折交叉验证方法进行优化得到预测结果,并通过分别删减指标得到各指标对模型预测精度的影响程度,然后与BP神经网络和支持向量机模型对比预测效果。最后对新电影《只有芸知道》进行票房预测,根据结果提出合理化建议,并分析部分宣发指标对电影票房的影响程度。得到以下结论:（1）经粗糙集属性约简和模糊聚类处理的BP神经网络模型预测电影票房相较普通BP神经网络模型和支持向量机模型更准确,精度更高。（2）制式、地区、获奖或提名、出品商影响力对电影票房影响较小,观影者对电影的这些方面关注度较低,电影制作方及发行方可适度降低花在这些方面的时间精力。（3）主演影响力对模型的精度影响程度极大,远高于其他指标,作为宣发属性的首周票房和百度指数也有较大影响,影响最小的是故事熟悉程度中的续集和热门IP。（4）电影宣发属性中百度指数比首周票房和豆瓣评分更能提升电影票房。通过结论以及票房预测模型,对电影制片方利用有限资源产生最大的票房收益存在一定的指导意义,也能够帮助电影发行方制定宣发计划,能够给予院线排片一定的参考。