随着我国汽车产销量的快速增长，我国汽车产品回收再制造产业的发展潜力巨大。但是，我国现阶段大多数汽车回收拆解的企业管理混乱、拆解技术水平较低，形成规模的企业很少，由此制约了行业的发展。为了改变这种状况，应对该行业的快速发展，企业亟需依托生产性服务业提高行业内企业的综合水平，以更好的顺应汽车产品回收再制造行业的发展。研究如何更好的将生产服务业与汽车产品回收再制造产业链融合也就具有十分重要的意义。针对这一问题，本文构建了汽车产品回收再制造企业特征属性与生产性服务需求的匹配预测模型。该模型不仅可以为企业自身生产性服务决策时提供参考依据，同时生产服务供应商也可以根据匹配预测结果快速响应该行业内企业的相关需求，为企业量身定制生产性服务。本文的主要研究内容如下：首先，分析汽车产品回收再制造企业对生产性服务的需求以及相应的决策影响因素，设计汽车产品回收再制造行业—生产性服务需求调研问卷。其次，以行业调研数据为基础，使用主成分分析法去除样本数据中的相关性，构建基于BP神经网络的汽车产品回收再制造企业特征属性参数与多种生产性服务需求进行匹配的预测模型。最后，由于BP神经网络模型自身存在局限性，引入遗传算法和粒子群算法分别构建BP神经网络模型混合优化模型，并通过反复训练和测试，提高模型的预测精度。