随着我国汽车产业的飞速发展,带动汽车售后服务的崛起。汽车配件采购是汽车售后服务的重要组成部分,而合理的汽车配件需求预测能够大幅度提高汽车配件采购的可靠性,提高售后配件管理水平,从而提高企业效益。反过来,预测环节的缺失,容易造成采购资金浪费,降低产业链效率,从而影响汽车产业链的整体协同。由于汽车配件需求受多种因素影响,单一传统的预测模型不能综合考虑各方面情况,导致预测效果不理想。本文以建立合理的汽车配件需求预测系统为目标,从而辅助汽车制造厂与售后服务商建立更加高效的配件供需关系。首先,针对平台现有的配件管理业务以及预测现状,分析了需求预测存在的问题与特点,从而得出汽车配件需求预测系统的需求。设计了基于汽车产业链协同平台的配件需求预测系统。其次,根据现有平台的特点,设计了将GM(1,N)模型和BP神经网络算法相结合的组合预测方法进行汽车配件需求预测。并针对需求分析,从平台获取配件需求历史数据入手,并利用数据集成技术,整合汽车产业链协同平台中各数据源,提高数据质量。最后,以汽车产业链协同平台的数据为数据源,实现了该组合预测模型,并建立配件需求预测功能模块,以及配件需求计划建议的功能模块,为用户提供决策支持,应用于制造厂和其他业务单位的配件需求管理中。本文将数据集成技术、预测技术和实际业务数据相结合,提高了系统的技术可行性,同时将系统应用于汽车产业链协同平台上,提高了系统的应用价值。