随着经济全球化和一体化进程的加快，物流业作为前景广阔的新兴服务业已在世界各国发展起来，对经济的影响越来越大，发展现代物流业显然已经成为各国、各区域经济快速发展的必然趋势。为了建设高效运作的物流系统，制定出合理、有效的物流发展政策以适应经济的发展，就要进行物流需求预测。在此背景下，分析社会经济活动对物流需求的影响，建立适当的定量预测模型，对物流需求进行科学预测，可以为物流规划和物流需求态势分析提供重要依据。论文旨在结合物流需求预测相关理论和研究现状，建立物流需求预测指标体系，选取合适的单项预测方法，并在此基础上构建组合预测模型，分别对实例进行预测和分析，以寻找能够提高预测精度的方法。本文首先对物流需求的基本理论进行概述，包括物流需求的定义、特点及主要经济影响因素，并在考虑物流需求预测指标选取原则的基础上，结合我国物流历史统计数据不足的现状，重点阐述了选取各经济指标、货运量及货物周转量作为物流需求预测所需量化指标的合理性，据此构建了物流需求预测指标体系。然后根据物流需求预测特点和预测方法特点的分析，论文选取灰色预测法和RBF神经网络进行预测模型的构建。基于此，针对单项预测方法提供信息有限、预测误差大及传统组合预测方法权系数不变、目标准则单一的问题，引用最优加权组合建模理论，将灰色关联度、向量夹角余弦和相关系数分别与IOWHA算子相结合，提出3种新的组合预测模型权重确定方法，并应用新的权重确定方法，构建了3种基于灰色模型和RBF神经网络模型的最优组合预测模型。最后，应用灰色预测模型、RBF神经网络预测模型和3种组合预测模型分别对北京市物流需求进行预测，通过比较分析说明基于相关性指标的IOWHA算子组合预测模型能够有效提高预测精度。