本文聚焦居民日用消费品城市配送物流的长期预测,从城市发展的宏观经济环境出发,提出了能够与不同发展进程的城市相契合的居民日用消费品物流需求预测方法,可充分顺应我国地区经济发展不平衡的国情,因地制宜地为我国各城市商贸服务业物流规划提供科学可靠的思路方法和理论支撑。首先,结合物流学科理论和相关标准,严格规范地界定了“居民日用消费品物流需求”的概念,并从多方面分析相关影响因素,构建居民日用消费品物流需求预测指标体系,提出了基于灰色关联分析的预测指标筛选方法,选择关联度较高的指标作为后续预测模型的输入。其次,在剖析城市经济发展与居民消费物流之间关联机理的基础上,阐述了城市经济效率的内涵与特征。提出了基于数据包络分析的城市经济效率分类体系,并以我国14座三线及以上城市为代表,通过计算综合效率值将城市划分为发展型和发达型两大类。再次,总结对比了15种典型预测方法的特点、优缺点及适用性等。结合发展型城市的特点及历史数据可得性,构建基于支持向量回归机（SVR）的居民日常类物流需求长期预测模型。对于预测模型的关键参数C和g的选取问题,提出了基于网格交叉验证法（CV）和遗传算法（GA）两种不同的参数寻优策略。接着,综合考虑发达型城市渐趋饱和的经济、人口发展进程,提出基于最优加权组合的SVR-Verhulst发达型城市居民日常类物流需求长期预测模型,模型既保留了灰色Verhulst模型擅长处理贫信息且能够描述S型增长趋势的特点,又融合了SVR模型在小样本、非线性复杂系统中的独特优势。最后,分别选取北京密云区和城六区作为发展型和发达型城市的实证对象,对比不同预测模型的预测效果,结果验证了SVR模型对于本研究的适用性和优越性,同时发现GA寻优能够更快速地找到更佳的C和g。因此,分别采用GA-SVR模型和SVR-Verhust模型预测未来北京密云区和城六区的居民日常类物流需求,并推算得到了未来年度两个不同类型地区的居民日用消费品物流需求的预测数据。