随着经济的快速发展,人们的生活水平不断提高,对高品质的新鲜水果需求不断增加。此外,由于水果存在易腐性的特点,对未来市场需求的不合理判断会造成相关企业经营成本的大量增加。因此,如何以合理的方法对水果需求量进行精确预测并建立需求库存模型,从而实现对某地区建立合理的水果供求关系,降低销售商和供应商的库存成本是当前亟待解决的问题。本文在对目前主流的定量预测方法进行分析对比后,针对预测模型预测精度不高,模型参数选择过于主观的问题结合实例分析做了以下工作:(1)在确定本文主要研究内容为对水果需求量进行预测的前提下,通过对比目前各种预测方法的优缺点及适用性,选取BP神经网络预测模型、RBF神经网络预测模型、支持向量回归预测模型作为本文预测模型的主要组成部分。并对基本粒子群算法的惯性权重调整策略进行改进,用改进的粒子群算法对三种预测方法的初始参数进行寻优操作,达到客观确定基本预测模型初始参数的目的,从而降低主观确定初始参数对预测模型预测性能带来不利影响的可能性。同时,对影响水果需求量的影响因素进行分析并初步确定产品价格、天气因素等7个主客观输入指标,再对指标进行灰色关联度分析排序选择后,选取2016年1月1日至2017年12月31日的731组原始数据作为预测模型的输入数据进行预测;(2)利用优化的预测方法对数据样本进行训练预测,将预测残差结合样本原始数据采用卡尔曼滤波器算法对初始预测结果进行二次修正。进而引入信息熵值法对二次拟合值的误差构建相对偏差量和绝对偏差率两个指标,将三种预测方法的结果融合过程转化为对三个预测方法的评价赋权问题。根据各个方案的实际综合得分情况来客观确定其权重,从而得到最终水果需求量的预测值;(3)得到最终的预测数据后,选取RMSE、MAE等评价指标对预测模型进行评价和有效性验证。验证结果表明本文提出的混合预测模型在对前631组训练样本进行预测时的准确率达到了98.56%,利用训练好的混合预测模型对后100组检测样本进行预测的准确率也达到了95.28%,实现了精确预测的目标。该结果与常规预测模型及本文中经粒子群算法优化后的单一预测模型相比准确率提高了5%左右;(4)最后,通过对水果销售商及上级供应商的现有库存策略进行分析,考虑安全库存、订货周期等基本因素后,给出基于需求量预测的再订购策略数学模型。另外,在分析销售商及供应商的库存成本、运输成本和缺货损失费的基础上分别建立相应的库存优化模型并结合实例进行求解。实例的求解结果表明两级销售商的库存水平相比依据主观判断进行库存控制降低了12.27%,有效的降低了供应商及销售商的库存成本,为企业制订库存策略提供了重要参考;可以避免因不合理的库存管理策略可能造成的损失,使得企业的利润和效率达到最大化。由上可知本文提出的混合预测模型及库存控制模型具有较高的理论意义和实践价值。