本文提出了一种改进的LISSA-RBF-BP神经网络模型用于钢铁企业物料库存预测。该模型通过鸟群算法优化传统麻雀搜索算法(SSA)，并采用Logistic混沌映射初始化种群，有效解决了SSA易陷入局部最优的问题。研究以覆盖厂金钩粉库存为案例，构建了包含5个输入节点、8个隐藏节点的RBF-BP网络，通过均方误差作为适应度函数优化网络参数。实验结果表明，该模型相比传统RBF-BP和SSA-RBF-BP