化妆品行业是一个复杂的、快速变化的行业。就产品种类来说，包括护肤品、彩妆、美发产品等；就销售渠道来说包括百货商场、大卖场、个人护理用品店等；就品牌来说，高中低档国内外品牌层出不穷竞争激烈，这使得化妆品企业的销售具有一定的复杂性和特殊性。化妆品牌要不断适应市场需求，对销售的预测成为品牌管理者制定和调整战略计划面临的重要问题。　　 研究已表明，人工神经网络对于非线性数据具有良好的学习能力，在预测方面得到广泛应用。而化妆品销售具有非线性特征，用传统的人工估计方法很难满足目前企业管理和市场营销对销量的预测需求。本文以S品牌化妆品为例，首先分析了化妆品行业销售的特征，然后，根据企业对化妆品销售进行预测的需求，利用BP神经网络技术建立了两个化妆品销量预测模型。由于BP算法在权值调整过程中存在的收敛速度慢、易陷入局部极小，本文提出了使用遗传算法改进BP网络的初始权值。利用三层前馈神经网络对化妆品销售建立预测模型，详细探讨了网络的拓扑结构、隐节点个数确定的原则、样本数据的预处理、初始参数的确定等问题。　　 本文研究的结果说明，人工神经网络在化妆品销售预测上可以实现较好的应用效果，其具有的非线性学习能力很好的拟和销售数据中的复杂因素及其相互作用的综合影响。并且，使用遗传算法优化BP网络的初始权值的选择，可以很好的改善BP网络的不足，获得较理想的预测效果。在化妆品销售预测中，遗传BP网络比传统的人工经验估计具有明显的优势。