激烈的市场竞争产生了新的管理理念和管理方法，促进了更先进、更实用的管理技术的研究与应用。在当今基于时间和客户需求的竞争的市场环境下，库存控制是提高顾客满意度和降低库存成本的关键因素。论文把BP神经网络技术应用于库存控制，是新的管理技术的研究与应用的一个大胆的尝试。探讨了通过采用BP神经网络技术对库存进行管理的新的理念和方法，以达到消除企业的高库存现象和提高顾客服务水平的目的。对国内外传统库存控制研究现状进行了综述；指出了传统库存控制存在的问题，并指出了解决的方法是在库存控制中采用人工神经网络；对相关技术（数据挖掘、人工神经网络等）在库存控制中的应用进行了较为详细的介绍。为了对库存进行建模，作了训练网络的三个方面的准备：样本数据、改进算法、网络结构。以CQDP医院的库存控制为背景，确定了影响CQDP医院17GY留置针的使用量的主要因素，采用数据挖掘技术，对获得的原始数据进行了数据预处理，包括数据清理、数据集成和数据变换，从而获得了用于网络训练的样本数据；介绍了传统BP人工神经网络的原理及其缺点，并针对其缺点，在前人研究的基础上，提出了同时对网络的权值W和单个神经元的更一般形式的tan-sigmoid转换函数的缩放系数T、位移参数θ进行调整的BP改进算法，使信息分布存储于权值矩阵及转换函数中，比传统的算法具有更强的非线性映射能力，经严密的数学推导，给出了最终的改进算法公式，并给出1个3D函数拟合的算例，训练结果表明，改进算法能有效地减少隐层节点数，加速收敛和提高收敛精度；构造BP神经网络的初始结构，通过对网络反复试训练，根据训练集和测试集的均方误差，找到了对某一问题的最佳隐层节点数j和学习率L的范围，从而确定了网络的优化结构，对此网络进行正式训练，获得了最终的库存模型；进行了需求量的预测，并与两个传统方法（回归分析和经典EOQ模型）的预测结果相比较，结果表明，采用BP神经网络进行库存控制，可以降低库存成本，提高顾客服务水平；进行了库存模型的灵敏度分析，获得了分析结论；采用C++语言对模型编制了相应的改进算法程序，此程序可选择网络参数，具有一定的通用性，可适用于不同的库存项目，为库存控制提供决策依据。