随着旅游业的快速发展，准确预测旅游需求对旅游目的地规划、资源分配和政策制定具有重要意义。传统预测方法在处理旅游需求数据中的非线性、动态性和不确定性方面存在一定局限性。本文提出一种基于改进的双并联动态过程神经网络（ImprovedDualParallelDynamicProcessNeuralNetwork，IDPDPNN）的旅游需求预测模型。该模型通过双并联网络结构分别捕捉旅游需求数据中的长期趋势和短期波动特征，并引入动态过程神经元增强对时序动态特性的建模能力。改进的权重更新机制和自适应学习算法进一步提高了模型的收敛速度和预测精度。实验结果表明，与传统的BP神经网络、支持向量回归和单一动态过程神经网络相比，IDPDPNN在预测精度和稳定性方面均有显著提升，为旅游需求预测提供了一种新的有效方法。
