随着假日旅游规模和范围的逐渐扩大，旅游产业已成为许多地区的支柱产业，由于旅游管理和旅游信息化的发展速度严重落后于旅游规模的发展速度，旅游信息化已经成为制约旅游管理、旅游效益的瓶颈。 本文以国家自然科学基金项目(项目批准号：60442003)、北京市教育委员会科技发展计划重点项目(北京市自然科学基金对外合作项目)(KZ200510011009)和国家旅游局“金旅工程”项目为科研任务，对假日旅游信息的分类算法进行了研究，并建立了基于RBF神经网络的假日旅游需求预测模型，实现对假日旅游状态的预测，目的是实现对假日旅游的智能化管理。 论文的主要工作和创新点如下：①假日旅游信息的分类算法的研究：提出了基于广义超曲面树搜索的分类算法，解决了具有海量、多维、异构、非结构、不确定和具有分布存储等特征的假日旅游数据的分类问题，并对旅游者消费状况进行了分类研究。对数据分类应用的结果表明，基于广义超曲面树搜索的分类方法可以有效地解决假日旅游非线性数据的分类问题，并能够提高分类效率和准确度。②提出了一种序列拟合算法，用来生成径向基函数(RBF)网络，进行函数拟合。使用随机聚类和线性规划来设计并训练这个“混合”的RBF网。③建立了基于RBF神经网络的假日旅游需求预测模型，分别用我们的算法和典型的RBF网络对北京旅游外汇收入进行了预测，对预测结果进行了比较。结果表明，我们的算法用于时间序列预测问题时，效果优于典型的RBF网络。 本论文在以往科学研究的基础上，采用了基于广义几何超曲面树搜索的方法，对具有海量、多维、异构、非结构、不确定等特征的假日旅游数据进行了分类研究，对旅游者消费状况进行了研究。建立了基于RBF神经网络的假日旅游需求预测模型，对影响旅游需求预测指标的因素进行了分析。本论文的研究将有效地帮助各级政府管理和调控假日旅游市场，引导旅游者的旅游消费行为，提高假日旅游的智能化管理水平，为假日旅游的健康、有序、安全发展做出贡献。