需求预测与库存控制作为供应链优化管理的重要工作内容,直接影响着整个链条上所有企业的盈利水平及服务能力。当前,随着快消品市场需求日渐丰富,企业生产、销售工作逐渐向市场倾斜,传统的需求预测方法及单一库存控制方法已经不能帮助快消品企业精准掌控市场和提高库存管理水平。因此,本文从实际出发,提出一种改进的快消品供应商需求预测及库存控制方法,并以C市烟草公司为实证对象,利用部分卷烟数据进行相关分析,证明方法能达到预期效果。具体研究内容如下:（1）基于最优误差平方和的SARIMA-LSTM组合预测方法研究。将产品月度销量数据作为算例输入,考察其季节性特征,分别运用季节性差分自回归滑动平均模型（SARIMA,Seasonal Autoregressive Integrated Moving Average）与长短期记忆神经网络（LSTM,Long Short-Term Memory）对其进行市场需求预测研究;同时,为捕捉更多有用信息特征,将两个单项预测方法按照误差平方和最小的目标进行线性组合,并利用遗传算法求解,对单个方法赋予权重,得到新的复合模式;最后,以C市烟草公司卷烟月销量数据为例,将组合模型的预测结果分别与两个单项预测方法进行对比,验证得到组合预测方法的平均绝对百分比误差（MAPE,Mean Absolute Percentage Error）为5.52%,高于SARIMA模型及LSTM神经网络的预测精度。（2）多品规库存控制策略研究。为实现库存分类管理,本文从经营重要程度、价格两个层面对产品类别进行划分;针对不同品类分别采用（Q,R）、（t,R,S）、（t,S）及基于存销系数的供应商管理库存（VMI,Vendor Managed Inventory）补货策略,并重点研究了基于存销系数的需求驱动下VMI补货模型的构建;选用C市烟草公司相应的四种在销品规进行算例分析,验证改进库存控制策略的有效性。经过验证,SARIMA-LSTM组合预测模型在C公司应用后的预测准确度为94.84%,较应用前精度提升了16.2%;同时,精度提升后,企业在确定最大库存、安全库存等参数时更加符合市场实际,改进后各类产品库存管理成本降低、库存周转率提升。本文提出的方法可对各行业供应链管理中的需求预测及库存控制管理工作及方法提供一定参考。