企业在运营过程中原材料的生产、成品的采购等都需要占用大量的资金、库存以及生产设备,因此及时非常精确地做好需求预测对于企业的资金运转、库存管理以及生产设备的利用率等都会有非常重要的实际意义。目前很多企业都面临着库存占用过大、资金利用率低等问题,成为制约企业利润增长的瓶颈,其中对需求的预测不精确是其中很重要的原因,因此对需求预测潜能的挖掘就显得非常必要。实践证明,科学合理的需求预测可以为企业的发展起到极大的推动作用。本文基于灰色理论、BP神经网络和支持向量机的理论,建立了基于改进灰色系统-BP神经网络-支持向量机的组合预测模型,使得预测模型的精度很高。具体工作如下：(1)建立了改进的灰色预测模型和BP神经网络预测模型。首先构建了改进的灰色预测模型,并对改进的灰色预测模型进行了算例分析；通过对汽车需求的影响因素的全面分析,综合考虑了GDP、石油消费量、人口数量、居民人均消费水平和公路里程对汽车需求的影响,构建BP神经网络模型对汽车需求量预测进行了算例分析；(2)支持向量机预测模型的构建及参数优化。本文针对需求预测这一非线性回归问题,构建了非线性支持向量回归机预测模型,选取高斯径向基作为其核函数,通过粒子群优化算法对影响支持向量机模型预测精度的三个参数进行了优化,支持向量机模型的预测精度有所提高；(3)构建了基于改进灰色系统-BP神经网络-支持向量机的线性组合预测模型。该模型是以误差平方和最小作为目标函数,通过该模型可以计算出三种预测方法在组合预测模型中所占的比重。并利用2007-2011年的预测数据与实际数据的比较进行了结果的检验。结果表明,本文建立的组合预测模型的预测结果比任何单一预测模型的平均预测误差都小。