在当前配送中心海量库存量单位(Stock Keeping Unit,SKU)的背景下,本文以某配送中心的历史库存数据作为数据来源,通过对产品的大量销售相关数据进行分类整理和统计,运用主成分分析法对影响产品销量的多种因素进行降维处理,形成产品销量预测模型的输入因素。以此为基础,运用BP神经网络算法对产品需求进行预测,同时其预测结果与基于支持向量回归的需求预测模型结果进行对比。结果表明,与支持向量机相比,BP神经网络的预测精度更高。