随着经济全球化和京津冀区域经济一体化的发展,区域经济对区域物流一体化的需求程度愈发提高,经济的快速发展与区域物流的发展状况紧密联系,完善的物流系统为经济发展提供保障,持续稳定的经济增长促进物流行业走向成熟、高效,两者互相促进,相辅相成。要让物流业最大程度地带动经济增长,就要构建现代化物流服务体系,而对物流需求量的预测是重要依据。本文选取京津冀地区1993年至2019年与物流需求相关的指标数据为研究样本,首先,进行数据预处理和简单的描述性统计;然后,将特征选择后的变量数据投入到预测模型中;最后,通过比较找出预测精度高的模型组成复合模型,来预测京津冀地区未来的物流需求,主要研究内容如下:（1）对收集到的京津冀地区历年物流相关指标数据进行缺失值补充、数据标准化等预处理工作,为物流需求特征选择和预测做准备;（2）通过简单的描述性统计,可视化京津冀地区物流需求的发展趋势及各变量的情况;（3）采用嵌入式的特征选择方法,即最大信息系数法选择影响京津冀地区物流需求的主要因素;（4）采用GM（1,1）灰色预测模型、线性支持向量机模型、贝叶斯深度网络广义线性模型对物流需求进行预测;（5）通过模型的评价指标,选出了最优预测模型—贝叶斯深度网络广义线性模型,使用指数平滑法和贝叶斯深度网络广义线性模型组合形成的复合模型进行预测,预测出京津冀地区2020、2021年的物流需求量分别为297444、336311万吨。本文在国内外物流需求预测研究的基础上,结合京津冀地区物流发展现状,研究和预测未来京津冀地区物流需求量,希望预测结果能为当地相关部门有效整合资源、合理分配资源、科学指引物流发展提供依据。本文的创新点在于使用最大信息系数法这种定量方式进行特征选择,减少各影响因素之间的信息冗余,提高了后续模型预测的精确度;同时,通过查阅相关文献,发现传统的时间序列预测模型和机器学习预测模型均有不足之处,所以本文为了比较模型之间的差异,不仅选择了传统的时间序列模型和机器学习预测模型,还采用了深度网络模型和统计模型的结合模型—贝叶斯深度网络广义线性模型来预测京津冀地区的物流需求,大大了提高了物流需求预测模型的精确度。