备件管理是设备管理的重要组成部分。如何在提高设备的使用可靠性、维修性和经济性的前提下,尽量减少相关费用和资金占用,是备件管理的目标。备件管理与企业的正常生产和经济效益密切相关,准确的备件需求预测对于备件管理优化极为重要。不常用备件需求由于具有使用频次低、间隔期长等特点,并且历史需求数据数量十分有限,难以利用传统的统计预测方法进行准确预测。本文引入基于有限样本统计学习理论的支持向量机回归方法,预测不常用备件需求。首先,分析了不常用备件的间断性需求特征以及指数平滑法、Croston方法等常用的间断性需求预测方法的基本内容和不足,然后,引入支持向量机方法,介绍了最小二乘支持向量机回归算法,并提出了基于支持向量机回归的时间序列预测方法框架,对其中的支持向量机参数寻优方法、预测效果评价指标进行了探讨。随后在此基础上,结合备件需求模式分类的思想,阐述了集成多支持向量机对多个不常用备件需求预测的具体思路。最后,结合预测支持系统相关理论,研究了集成多支持向量机的不常用备件需求预测支持系统,并在此平台上进行实证研究,通过具体实例验证了支持向量机回归预测方法的有效性。