中国是一个地震灾害较为严重的国家,近年来发生的几次大型地震带来了巨大的人员伤亡和财产损失,使得人们越来越重视地震救援的研究,其中获取灾情信息的能力是衡量救援水平的重要指标。本文针对大型地震灾害,选择了与人口数量关系密切的救援物资,进行应急物资需求动态预测。采用间接的预测方法,设计了一套预测方案,建立地震相似案例集,使用基于递归神经网络的时间序列预测震后每日死亡人数,最后根据人口与应急物资需求公式计算灾区每日的物资需求。　　文中首先选择地震属性集,通过欧式距离法判定出部分与目标案例相似的案例为案例集,作为样本数据。然后对比了多种时间序列预测的方法,选用了能够进行动态预测的递归神经网络,将时间序列预测与递归神经网络预测相结合,形成了基于递归神经网络的时间序列预测方法,并讨论了神经网络的泛化能力,使其适用于新鲜样本的预测。最后,为了最大程度的确保灾区应急物资的供应,将安全库存也纳入考虑,在物资需求公式引入了需求提前期。　　最后,以2008年汶川地震为例,对本文提出的模型进行了验证,并给出了预测结果,与实际数据进行了比较,实现了应急物资的动态需求预测,对物资调配和救援工作起到了一定的指导作用。