随着我国能源需求的逐年增长，能源消费构成呈现出一种多元化趋势。在全球石油价格上涨这个大环境下，煤炭行业这个古老的支柱性能源产业迎来了它的第二春。我国大型煤炭生产企业建国以来一直为我国经济发展提供着强大动力。但是由于长期受计划经济时代的影响，现阶段我国煤矿企业的在管理上也出现了一些问题。特别是在煤矿物流系统中的库存控制和成本控制上。　　 虽然煤矿企业也属于生产型行业，但和一般的生产性企业所不同的是，在原煤生产过程中所需要的生产性物资，并不能直接形成并融入到最终产品--原煤之中，而只是属于“消耗磨损”性的消费，这点从根本上导致了煤炭生产和一般制造加工业在生产上的区别。煤矿物流系统是一个相当复杂的系统，而煤矿企业物资供应物流处于整个煤炭企业物流的首端，根据笔者对各种文献的查阅，煤矿供应物流中的成本占到了整个煤矿企业物流成本的70％。如何降低煤矿企业供应物流成本就成了一个整个煤矿行业都必须重视的问题，同时也就是本课题的研究重点。　　 而在目前的煤矿企业供应物流在管理结构上，对物资管理是层层设库、层层储备，管理节点过多，流程太长。导致了煤矿企业供应物流中的物资需求信息在各个层级不断被扭曲，库存需求被放大，而这种被夸大信息沿着以上的机构设置逐渐延伸，致使物资库存增大，降低资金利用效率。同时管理过程中涉及过多的管理资源也隐形的增加了管理成本。这样，煤矿物资供应管理中的牛鞭效应增加煤矿企业的总成本。　　 本研究从管理决策者角度出发，希望在不改变现有物资管理模式的条件下，既要保证煤炭生产的连续性，又要求优化供应物流系统，降低运营成本。要降低库存、减少成本，关键在于加强对物资需求的宏观把握，大致掌握物资需求规律，基本实现按需订货。这样才能实现库存的降低，同时也不过多浪费企业的管理资源。因此，煤矿企业物资供应管理研究的一个关键内容就是物资需求预测。　　 煤矿物资需求预测对象主要是指出于煤矿供应物流系统中的各种生产性物资，由于地质条件的不同、煤矿生产的复杂性。这些物资由于供应产商、品种规格、用途的不同，价格上的区别，导致这些物资在整个系统中所占的资金比也不完全相同；由于使用强度，消耗程度不一样，各供应物资的更新换代程度也不一样。正是由于生产性物资在资金，消耗程度等因素上存在差距。因此，如何对这些物资进行科学分类将成为预测工作的前期准备工作，也是本研究重点内容之一。　　 在本研究中，笔者根据统计学中的时间序列方法、移动平均的方法，以及根据各物资在整个供应物流中的资金比例不同，将煤矿供应物资分为三类：平稳性需求；趋势分布性需求；随机性需求。　　 由于各种物资需求分布不一致，这就要求我们在预测工作中根据不同的预测对象选取不同的预测方法。预测方法的选择，会直接影响到煤矿物资需求的预测精度和实际工作的操作。笔者根据前文中的物资分类，分别利用灰色系统理论、人工神经网络建立了预测模型，以用于平稳性和趋势分布性需求：并对这两个模型进行改进修改，提出了灰色-BP神经网络组合模型以用于对不确定性物资的需求预测。　　 在本文的实证研究部分，本文选取了郑煤集团的物资供应需求作为本研究对象。其中与原煤生产相关的各类生产性物资需求共8大类，约60000多种材料物资。本文选取的是价值比重占据所有物资的75％以上的主要材料56个种类的物资。　　 对于平稳性物资需求的预测，笔者选取了胶质线作为研究对象，并通过灰色系统理论中的GM模型进行了预测，得到的预测结果相对误差为0.0481，即预测精度达到95％以上。在趋势性需求物资预测工作中，笔者采用的是BP神经网络的预测方法，以供应物流中的椽子为例进行实际了预测的工作，网络预测的均方误差不足0.0002，预测精度达99％以上。对于需求趋势跳跃幅度大，分布难以确定的随机性物资，笔者在通过实际情况研究发现，单一的采取任何一种预测方法(灰色GM模型，人工神经网络)对该类物资进行预测效果都不理想。因此，我们采用的是灰色GM模型与BP神经网络组合预测方法进行预测。笔者选取了该类物资中的轻轨为例进行实际的预测工作，通过组合预测模型计算得到的结果与实际的需求情况非常一致，相对误差最大不超过0.01％，准确率达到99％以上，基本上能够准确计算每月的需求计划，用于指导实际需求计划制定。　　 通过对三种预测结果的分析，笔者结合了郑煤集团物资从采购到领料使用物流过程以及管理流程，提出减少物资库存，企业库存成本，提高资金运作效率的具体解决方法，以供管理者做为决策参考。　　 最后，对文章内容进行了总结，同时提出了研究过程中所存在的不足和问题，为进一步的研究工作所要解决的问题进行了展望。