国内的家电连锁行业竞争激烈、利润微薄。在企业外，面对国内外众多竞争对手；在企业内，面临利润率下降、财务基础薄弱、IT系统缺乏和人力资源不足的境况。在同行业企业销售产品和品牌服务差异化逐渐减小的情况下，控制成本成为提高企业盈利水平的重要手段。库存成本和缺货结果造成的机会成本是该行业成本的重要组成部分。而采购决定库存和机会成本，采购数量的多少直接决定了这两类成本的大小。因此，准确预测商品需求成为家电连锁行业提高核心竞争力的关键因素。本文的写作目的就是系统的比较几类预测方法，选取适合家电连锁行业应用的采购预测方法。 目前采购预测软件已广为家电连锁企业使用，但通常的软件系统预测方法局限子基于时闻序列分析的回归分析、指数平滑以及Box—Jenkins方法等。家电连锁企业的采购预测牵涉到多个影响因子：历史销售量、宏观经济环境、节假日、国家政策等。这些影响因子，一部分是可以量化的，比如历史销售量、节假日；一部分是暂时没有办法量化的，如宏观经济环境等。另外，这些影响因子之间、输入与输出之间的线性和菲线性的函数关系也是难以确定。对于主要基于线性系统的时间序列分析，处理这些问题就难以满足要求。而人工神经网络具有很好的非线性映射能力与学习能力，理论上可以逼近任意函数系统。 本文首先分析了家电连锁行业采购业务的特点与存在问题，探讨了解决方法。然后，本文通过理论研究与仿真实现了二类时间分析模型；指数平滑模型与自回归移动平均模型。接着，重点介绍了本文的核心——遗传算法优化的Elman反馈人工神经网络预测模型，并对家电连锁行业的某品牌商品的采购额进行预测。通过与传统的基于时间序列分析的采购预测工具所得结果相比，文中的模型预测结果有着更好的精度。这说明本文的模型可以有效降低企业的库存和机会成本，具有较好的应用价值。