2014年山西省工业总产值占比达到42.9%,工业作为山西省的支柱产业,在山西省的经济发展中起着非常重要的作用,因而对山西省工业物流需求进行预测是工业经济发展与物流管理工作中的重点。工业物流需求预测结果将影响交通网络布局、工业物流基础建设和工业企业未来的发展,所以山西省工业物流需求预测是物流企业健康发展的前提。通过对山西省工业物流进行预测,可以及时了解省内工业物流的需求量,进而可以合理调配资源,保证物流服务供给与需求的平衡,从而提升经济活动的效率。工业物流需求预测作为工业经济与物流活动规划的前提,一直以来都是学者们关注的热点问题。他们使用不同方法构造预测模型并对当地物流需求预测,其中用货运量表示物流量的预测居多。最初的研究多采用单一的预测方法,包括移动平均、增长率、灰色模型和随机时间序列等,随着社会进步,经济活动更加复杂,准确预测需求量也越来越困难,单一建模方法已经无法满足人们对精度的要求,所以现在的研究更多转向多种方法的结合使用,将原先的基础模型与一些先进的模型结合对物流需求量进行预测。现在机器学习的模型得到了众多学者的追捧,考虑因变量与影响因素的关系,通过历史数据与机器学习的结合推导出相对更加准确的变化趋势,其中最常用的是支持向量机(SVM)与BP神经网络算法。在回顾国内外作者对于该问题研究结论的前提下,首先总结了当前研究中存在的缺陷;然后对相关概念和山西省工业现状进行了阐述;其次,根据山西省工业产品结构特点和工业产品运输特点,并依据强相关性原则、可获取性原则、全面性原则、实用性原则从主要工业产品指标、工业产品运输指标和工业企业规模指标三个方面选取了 18个影响因素指标。并用灰色关联方法与主成分分析法构建适合于山西省工业物流需求预测的指标体系;再次,对最小二乘支持向量机理论及模型给予介绍,并通过粒子群算法(PSO)进行核函数的参数优化,然后利用Matlab软件实现对山西工业物流需求的预测;最后,对本文进行总结与展望。