汽车产业向来被视为国民经济的支柱型产业,在经济发展的过程中具有举足轻重的作用。近年来,我国汽车行业伴随整车市场高速发展的步伐而快速增长,行业规模不断扩张。针对我国汽车工业新技术的大力支持和新政策的出台以及人民生活水平的不断提高,使我国汽车市场容量不断扩大,销量也不断上升。随着信息化水平的提高,经销商销售数据的日益丰富,管理者对销售量的预测就显得十分必要。经销商需要对汽车的市场需求进行预测,从而制定销售方案,而生产商同样需要对汽车的市场需求进行预测,并以此为依据来制定合理的生产方案,开发新产品以满足市场的需求,抢占先机,同时避免开发过程中不必要的资源损失。因此,如何找到更好的方法挖掘出销售数据中隐藏的销售预测信息是一个非常重要而值得研究的课题。目前对汽车销售预测的研究主要是从预测模型研究入手,通过数据分析来改进模型,但少有使用模型建立可操作的预测信息平台。本文针对汽车销售量的预测开展了预测模型建模的研究,从销售历史数据特征研究入手,建立、选择预测模型。利用RBF神经网络、灰色理论分别建立两个不同的预测模型,通过实证分析对比各模型特点,并阐述模型各自的应用情况和应用的前提条件。最后利用软件工具实现相应的汽车销售分析预测系统,形成一个独立的信息平台供后续的实验和应用。论文共分为六章。第一章阐述了论文研究的目的和意义,研究内容和组织结构。第二章通过对决策支持系统、数据挖掘及预测相关理论基础的阐述,为本论文的研究指明了方向。第三章简述了神经网络和灰色模型的基本理论,并建立人工神经网络中RBF神经网络的销售预测模型及基于灰色模型G(1,1)的灰色销售预测模型。第四章针对所提及的汽车销售预测模型利用某汽车销售门店的销售数据进行了实证分析,并根据预测结果比较各个模型的特点和应用环境,归纳出各模型应用的前提条件。第五章在论文所选用模型的基础上,分析设计并实现了汽车销售预测系统。第六章是论文总结与展望,并对论文的不足之处做出了阐述。