物流需求预测作为城市物流系统规划的基础,是进行物流资源有效配置,建设高效物流运作系统的重要前提。因此,分析社会经济活动等各种因素对物流供给的需求满足程度,进行有效的物流需求预测,有助于把握区域物流需求强度,实现区域物流服务的需求与供给相对平衡,对提高区域物流规划质量和区域物流运行效率具有重要的理论和实际意义。本文以国内外区域物流需求预测研究现状以及相关的理论知识为基础,结合物流需求的特性,以北京市为背景,开展了物流需求预测方面的研究。主要做了以下几方面的工作：(1)结合影响物流需求的因素,构建了北京市物流需求预测指标体系。利用灰色关联模型对指标体系关联度进行了定量分析,选取与物流需求具有较高关联度的影响因素用于物流需求预测模型的建立。(2)针对城市物流系统具有的复杂性、非线性、随机性的特征,将灰色系统模型与神经网络模型有效结合构成灰色神经网络模型用于物流需求预测问题求解。在此基础上,针对灰色神经网络易陷入局部最优和收敛速度慢的问题,采用粒子群算法对灰色神经网络的初始参数进行优化,建立了基于粒子群优化灰色神经网络预测模型,提高了模型的稳健性和精度。(3)分析了物流需求与物流用地规模之间的关联关系,在对比各类方法优缺点的基础上对参数法的计算公式进行修正,通过修正系数、配建区系数等参数的引入,提出了更为通用的物流用地总规模计算方法。(4)对北京市物流需求预测进行实证研究,预测结果表明基于粒子群优化的灰色神经网络预测模型在精度上显示比单一预测模型以及灰色神经网络模型预测效果更好,从而验证了模型的高度拟合性和稳定性。模型的外推应用表明,北京市物流需求在未来几年呈上升趋势,物流需求的快速增长也带动了物流用地的需求。