预测作为对未来事件预计的一门科学广泛地应用于我们生活中的各个领域,而预测之中的采购预测则为我们能够更好地减少库存、增大利润、缩短时间提供了科学合理的依据与方法,有一定的导向作用,因此采购预测研究具有一定的实际意义。本文正是针对采购预测这一理论来研究采购预测模型的建立与应用。本文首先简要阐述了采购预测的背景、意义以及国内外研究现状,在此基础上介绍了采购预测的传统方法与现代智能方法的理论及优缺点,同时结合本文所选取的例子提出了采购预测的影响因素都有哪些。再次分别主要介绍了采用两种智能算法构建的采购预测模型,即灰色系统理论方法和RBF神经网络方法。其中应用灰色系统理论方法分别建立了传统GM(1,1)模型和改进GM(1,1)模型,并用实例进行验证,分别得出预测值与实际值的比较结果,得出这两种方法的优缺点。然后结合这两种方法的优缺点构建基于灰色RBF神经网络的组合预测模型。本文选取的组合预测方法是并联型灰色RBF神经网络,采用的是最优权相结合的方法,将改进GM(1,1)模型与RBF神经网络并联结合,得出预测值与实际值的比较结果。此组合预测将两种方法的优缺点进行互补,减小了隐含在数据中的随机性,提高了预测精度。最后通过所选用的实例检验此灰色RBF神经网络方法的有效性,再将预测的结果分别与灰色系统理论中改进GM(1,1)模型预测结果和RBF神经网络的预测结果相比较,证明了这种组合预测模型的精度优于单一方法的预测,是一种可行的方法。