研究了从历史停车数据中挖掘知识并预测短时段内停车泊位数问题.分析了停车诱导系统中影响停车泊位数的因素,结合时间序列确定网络的输入变量,建立BP神经网络,在不同训练阶段采用自适应调整学习速率,以及增加动量项改善网络的收敛性,运用Matlab对采集的市区大型地下停车场真实数据进行仿真实验与分析,取得良好预测效果.结果表明该方法与传统时间序列预测方法相比,在预测的精度方面有较大程度提高.