1、企業(yè)在運(yùn)營過程中原材料的生產(chǎn)、成品的采購等都需要占用大量的資金、庫存以及生產(chǎn)設(shè)備，因此及時(shí)非常精確地做好需求預(yù)測對于企業(yè)的資金運(yùn)轉(zhuǎn)、庫存管理以及生產(chǎn)設(shè)備的利用率等都會(huì)有非常重要的實(shí)際意義。目前很多企業(yè)都面臨著庫存占用過大、資金利用率低等問題，成為制約企業(yè)利潤增長的瓶頸，其中對需求的預(yù)測不精確是其中很重要的原因，因此對需求預(yù)測潛能的挖掘就顯得非常必要。實(shí)踐證明，科學(xué)合理的需求預(yù)測可以為企業(yè)的發(fā)展起到極大的推動(dòng)作用。
　　本文基于灰色

2、理論、BP神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)的理論，建立了基于改進(jìn)灰色系統(tǒng)-BP神經(jīng)網(wǎng)絡(luò)-支持向量機(jī)的組合預(yù)測模型，使得預(yù)測模型的精度很高。具體工作如下:
　　(1)建立了改進(jìn)的灰色預(yù)測模型和BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型。首先構(gòu)建了改進(jìn)的灰色預(yù)測模型，并對改進(jìn)的灰色預(yù)測模型進(jìn)行了算例分析;通過對汽車需求的影響因素的全面分析，綜合考慮了GDP、石油消費(fèi)量、人口數(shù)量、居民人均消費(fèi)水平和公路里程對汽車需求的影響，構(gòu)建BP神經(jīng)網(wǎng)絡(luò)模型對汽車需求量預(yù)測進(jìn)行了算例

3、分析;
　　(2)支持向量機(jī)預(yù)測模型的構(gòu)建及參數(shù)優(yōu)化。本文針對需求預(yù)測這一非線性回歸問題，構(gòu)建了非線性支持向量回歸機(jī)預(yù)測模型，選取高斯徑向基作為其核函數(shù)，通過粒子群優(yōu)化算法對影響支持向量機(jī)模型預(yù)測精度的三個(gè)參數(shù)進(jìn)行了優(yōu)化，支持向量機(jī)模型的預(yù)測精度有所提高;
　　(3)構(gòu)建了基于改進(jìn)灰色系統(tǒng)-BP神經(jīng)網(wǎng)絡(luò)-支持向量機(jī)的線性組合預(yù)測模型。該模型是以誤差平方和最小作為目標(biāo)函數(shù)，通過該模型可以計(jì)算出三種預(yù)測方法在組合預(yù)測模型中所占的