“十三五”期间我国经济保持稳定增长,伴随着经济的增长和产业结构的调整,现代物流行业对于区域经济的发展,提高区域经济整体竞争力,所发挥出来的作用越来越凸显。从宏观产业经济发展的角度来看,各种区域物流发展政策的制定、区域物流设施的规划与设计以及产业布局都离不开对区域物流需求进行定量分析。因此,对区域进行物流需求预测是一项基础性且必要性的工作。通过对区域物流需求进行定量分析,有助于地区物流经济主管部门制定地区未来物流发展的科学发展战略规划以及提供相关经济决策必要的数据支撑。本文在深入分析已有物流需求预测理论相关资料的基础上,针对目前区域物流需求预测普遍存在的影响因素选择偏主观性以及缺乏对物流需求影响因子进行对比实证分析等问题,选取代表我国西部地区的四川省和代表东部区域的浙江省作为采集数据样本,构建出完整且较为全面的区域物流需求影响因素指标体系。为了筛选出能代表各自区域物流需求的重要影响因素,引入粗糙集理论,将其中的属性约简数据挖掘算法进行对重要影响因素的提取,并将属性约简结果与最小二乘支持向量机预测模型相结合,构建出区域物流需求RS-LSSVM预测模型。为了验证粗糙集和最小二乘支持向量机结合的有效性和必要性,对属性约简前后的LSSVM模型的预测精度和泛化能力进行前后对比分析,结果表明引入粗糙集理论消除冗余属性,降低输入维度能有效提高LSSVM模型的泛化能力,提高了LSSVM的预测性能,证明了采用粗糙集理论的合理性和有效性。最后,为了更进一步提高区域物流需求的预测精度,决定采用改进的PSO算法AIWPSO来对LSSVM模型进行参数寻优,并将RS-AIWPSO-LSSVM模型的预测精度和预测误差,与RS-PSO-LSSVM模型、RS-BP模型以及采用交叉验证法的LSSVM模型进行比较,实验结果表明RS-AIWPSO-LSSVM的预测精度最佳,学习泛化能力最好,预测误差最小,并将其作为最终的区域物流需求预测模型分别对四川省、浙江省2019年的货运量进行了预测。此外,本文为了实现对四川省和浙江省未来3年的货运量进行预测,运用二次指数平滑法对四川省、浙江省各影响因素未来3年的值做了预测并将其作为AIWPSO-LSSVM模型输入,实现了四川省和浙江省未来3年货运量的预测,并给出了区域相应的发展建议。可以看到,将粗糙集与最小二乘支持向量机引入到区域物流需求预测当中,降低了预测模型的复杂度和难度,具有一定的创新性,这对于区域物流需求预测问题提供了新的方法和思路。