孙磊，任春华，高雪芹，王波

（1.西南交通大学，制造业产业链协同与信息化支撑技术四川省重点实验室，成都 611756；2.北京机械工业自动化研究所有限公司，北京 100120；3.成都国龙信息工程有限责任公司，成都 610036）

0 引言

随着中国汽车工业的迅速发展，汽车销售市场需求日趋饱和，市场竞争更加激烈。尽管在2020年新冠疫情的影响下，人们的消费需求有所降低，全球汽车产业链受到了巨大冲击，但我国克服重重困难，其中汽车行业率先恢复生产。据公开资料显示，2020年中国汽车销量为2531.1万辆，同比仅下降1.9%，降幅比上年大幅收窄了6.3%［1］。为了提高市场占有率，配件代理商必须向客户提供优质的服务。这就要求代理商要有足够的库存以满足及时发货的需求，然而为了减少库存成本，代理商又必须适当降低库存。为了缓和这两者之间的矛盾，通过汽车配件市场销量预测，建立合理库存管控机制显得尤为重要。本文依托汽车价值链业务协同平台［2］，面向产业链上的配件代理商，整理配件销售业务数据，分析该企业在一段时间内的销售情况，提出了一种BPGRU组合模型进行配件销量预测，为配件代理商下一阶段的配件进货与库存管控提供决策支持。

1 相关工作

随着人工智能、机器学习等领域的高速发展，BP、GRU、ARIMA、LSTM等网络模型广泛应用于预测场景中，取得了一些丰硕的成果。冯晨等［3］提出了一种ARIMA、XGBoost和LSTM进行加权组合的预测模型，以提高多变量商品销售的预测精度。邓青等［4］在研究微博转发行为时，采用BP神经网络对突发事件的转发量进行预测，获得了极具参考意义的实验结果。……