服装业在中国的民生产业中占有非常重要的地位，随着行业不断的发展与成熟，品牌发展成为了该行业的主流趋势。目前，在国内具有一定市场份额的品牌服装，主要通过建立加盟商的模式进行销售。对于加盟商，需要在订货会上对未来所要销售的服装下订单，以完成货品的准备，这就需要加盟商根据历史的销售数据对未来的销售量进行预测，并制定采购计划与采购预算。但是由于目前加盟商的销售预测结果不够精准，以致预测值不能反映未来的销售情况，且根据此预测值制定的采购决策也不够合理，从而使加盟商在销售季末出现大量库存积压，在品牌服装大多数采用“买断制”加盟模式的情况下，季末产生的库存要由加盟商自行承担，这就加大了加盟商的运营难度。由于加盟商的订货是面向整个季度的，对于整个季度的销售预测属于中期销售预测范畴。由此可见，服装中期销售预测对加盟商制定采购决策非常重要，所以研究服装的中期销售预测具有很强的实际意义。通过对大量预测方法的研究发现机器学习理论的人工神经网络可以对任何复杂的线性和非线性的关系进行映射，并具有强大的学习能力和泛化能力，这对于解决服装产品的销售预测问题非常适合，并且人工神经网络的极限学习机神经网络可以利用往年同期历史数据预测今年同期的销售量，符合本论文所要解决问题的特征，同时其避免了人工神经网络网络学习速度慢和容易陷入局部最小值的缺点，故本文选择人工神经网络的极限学习机系统作为最终的预测方法。在确定预测方法之后，本文对网络的拓扑结构和网络系数进行确定，构建了输入层节点数为4、隐含层节点数为6、输出层节点数为1和激活函数为S型函数的网络模型；在完成了网络模型构建之后，本文进行了实证检验；在实证检验之后，发现模型稳定性较差，故通过集成理论对模型进行了优化，并将优化后的预测模型与优化前的模型进行了比较，发现优化后的预测模型稳定性较优化前的模型要高。为进一步验证优化后模型的预测性能，分别通过将预测结果与实际值进行比较以及将预测结果与BP神经网络的预测结果进行比较两种方法进行检验，两种对比方法皆验证了用集成理论优化的极限学习机神经网络的优越性与可靠性较好。本文的研究结果表明，极限学习机神经网络集成的预测模型在服装销量预测中的预测效果较好，能够为加盟商采购决策提供理论支持。