随着经济的发展,服装企业面临复杂多变的市场环境,只有保证对未来销售量的正确预测,才能做出正确的决策,适应经营环境的变化。销售预测在服装领域的研究时间还不长,在实践中对预测程序和预测方法的准确性、适用性等缺乏比较全面的了解,在实际预测时遇到不少问题。因此本文以服装销售量为对象,对其进行了系统的研究。首先,本文针对服装行业的特点,分析影响服装销售量的产品因素和环境因素,研究各个因素的影响指标,为数据的采集建立理论基础。然后提出了数据分析中服装分类和数据分类的方法,并且在理论上分析了不同的服装销售预测方法。其次,本文针对服装销售预测的要求,构建了服装销售的预测程序,通过循环结构的设计克服了预测对象的不确定性、迟滞和时变等因素的不利影响,在理论上规范了预测的程序。然后对建立的程序进行实验验证,并在此基础上对服装预测方法的相关适应性和预测精度进行对比分析,与各种方法的理论分析相结合,以探究各种方法在不同预测条件下的实际应用性,据此提出了预测方法选择表。最后,本文针对统计学模型预测中非线性现象的固有缺陷,提出了基于RBF神经网络的服装销售预测模型。研究了RBF神经网络在服装销售预测中的实现,包括研究建模步骤和网络参数的优化。然后在服装销售实例预测中根据建模步骤建立了RBF神经网络预测模型,并基于样本聚类和主成分分析提出了去处离群点和降维的可行性,分别进行了仿真实验,将结果比较得出最优解。将该模型与统计学预测方法进行比较,判断该模型在克服预测对象的不确定性、非线性变化等不利影响和预测精度上明显优于统计学方法,证明了基于RBF神经网络的服装销售预测是可行的。将本文研究得到的结论用于实际应用中,可为企业提高服装销售预测效率和准确度提供参考。