随着全球新能源汽车发展进入爆发期,越来越多的新能源汽车企业意识到销量预测的重要性,对销量进行正确预测不但能帮助企业降低生产线的闲置率,合理规划产能满足市场对热销车型的需求,更能帮助企业降本增效,增强响应市场的速度,保持整个企业管理的竞争力。本文通过分析新能源汽车销量预测的几个重要问题,发现在以往的研究中模型的构建以单一算法为主,难以兼顾预测的准确性和稳健性。此外,发现预测人员需要掌握模型构建流程和编译工具,预测工具对使用者的适用范围有限。针对上述问题,本文以设计一种销量预报准确且稳定,而且使用方便的预测支持系统为目标,重点研究基于MAS（Multi-Agent System）的体系结构,搭建新能源汽车销量组合预测系统模型,具体研究工作如下:（1）整理数据。分析影响因素,确定数据采集来源,对原始数据进行噪声处理,并使用Person相关系数、距离相关系数与随机森林验证相结合的方式筛选最优特征集,为后续模型的训练进行数据准备。（2）建立预测方法库。预测算法需要根据数据量大小有针对性地进行选择,数据量较大时选择深度学习更加高效,反之则传统机器学习算法更可取。为此,针对新能源汽车历史销量数据少的特点,本文采用的算法包括:ARIMA、Kalmen、BP神经网络和GBDT,首先对四类算法的原理和建模流程进行分析梳理,然后通过仿真预测证明算法的有效性,最后通过反复训练验证模型的最佳参数。（3）组合预测结果。将四种预测模型进行串联组合,利用平均绝对百分误差、均方根误差以及判定系数评测出最优组合策略。（4）基于MAS技术,实现多Agent新能源汽车销量组合预测系统。基于任务分解思想将组合预测工作分解成数据处理、预测和组合三个子任务,封装进设定了不同目标的Agent,在JADE平台上建立多Agent之间的通讯模型,通过消息传递共同完成预测任务。本文的研究得出以下结论:经过仿真预报车主之家网站上几款热销新能源车型的月销量,证明了多Agent组合预测系统模型的误差稳定在百分之十左右,而且该系统模型可以针对不同车企的需求进行优化升级,在很大程度上简化需求者的预测流程。