我国民用航空公司机队构成复杂,大量航材备件依赖于进口,近几年快速发展的航空业使得部分库存备件一直处于积压状态,导致航材储备费用占据了航空公司大量资金。有效降低航材备件储备成本是航空公司的关注重点,这要求对需求进行准确估计。而航空公司状态不稳定性、消耗件故障规律不确定性及需求特征的动态性,特别是新冠疫情期间航空公司航班的大量停飞和逐渐恢复导致固定单一需求预测方法存在较大偏差。另一方面,间断型航材备件在全部航材备件中占有较大比例。由于间断型需求发生随机,使得准确预测需求变得比较困难。本文首先基于航空公司飞机维修历史领料数据,对航空消耗件进行分析,确定其需求特征,实施需求模式分类,评估单预测方法的效果。分析结果表明固定单预测方法并不能有效匹配需求类别,同时应加强间断需求模式的预测能力以提高消耗件的整体管理效果。其次,针对规模化消耗件预测方法静态及动态自适应匹配问题,利用自组织特征映射网进行需求模式识别和方法映射,计算需求数据最佳方法集,构建自适应预测框架。使用构建的框架对航空公司实际消耗需求数据进行方法选择预测以及预测效果的评估,结果表明该自适应框架具有较好的应用效果,适用于各类型的消耗件需求预测。最后,针对间断型航空消耗件预测问题,将历史需求时间序列分解为需求发生序列和需求量序列,使用BP神经网络对历史需求数据进行需求发生预测,基于历史不同消耗件的相关性分析确定关联需求,再使用关联需求数据修正GM（1,1）方法进行需求量的预测,最终得到需求预测值。采用航空公司实际消耗需求数据进行方法验证对比,结果表明该方法能提高间断型消耗件的需求预测精度。通过本文的研究,为航空公司解决大规模消耗件持续性需求预测问题,提高间断型航空消耗备件的预测精度提供了解决办法。