电影作为一种文化商品,其票房是衡量一部影片商业投资成功与否的主要指标。电影票房预测的意义在于有效的预测可以降低电影投资市场的经营风险,进一步推进电影经营管理的产业化进程。而当前国内对于电影票房的预测尚处于经验预测阶段,此方法过于依赖主观判断和专家知识,缺乏有效的数据支持和理论指导,无法保证票房预测的准确度和稳定性,误导电影相关各方人员理性决策,同时在一定程度上也影响了整个行业的健康发展。如何建立一个准确有效的电影票房预测模型,对电影投资制作营销各方有着重要理论意义和实际应用价值。本文针对在电影票房预测中的输入数据维数大、收敛速度要求快及预测准确率要求高的特点,提出了基于模糊神经网络的电影票房预测模型。该模型引入改进的模糊神经网络算法,提高了神经网络处理模糊信息的能力,解决了因其黑盒子特性引起难以解释神经网络预测的问题。本文选取239部电影上映前的相关信息为数据集。首先,该模型在充分甄别电影票房影响因素的前提下,针对电影文化及市场特点,在传统影响电影票房因素中加入了微博热词指数、搜索引擎搜索指数、网络媒体新闻稿数量等网络数据,建立了一个包含15类影响因素的电影票房预测模型;其次,针对电影票房预测模型中输入数据的维数大,该模型通过减法聚类从复杂数据中准确高效地提取出模糊规则,优化隶属函数的初始参数和网络结构,使之更适用于电影票房预测;最后,根据票房预测特点使用基于高木-关野的模糊神经网络预测模型对数据集进行训练和测试。在最后的实验中,将本文的预测模型应用于电影票房预测,结果表明,论文提出的基于自适应模糊神经网络的电影票房预测模型方法简单,预测准确度良好,运算速度快,达到了预期设想的效果。在理论上切实可行,在电影票房预测实践中有重要的意义。