本文从消费特征、销售量的时序特征来看、影响销售的外部环境因素和内部因素，分析了零售业中销售预测和其他行业不同的模式和特点。并基于上述分析提出，零售业预测技术应能满足处理大量数据能力强，非线形处理能力强，应付快速响应等需要。 通过对预测方法的综述，分析了一些传统预测方法的优缺点，在此基础中，建立了基于GMDH(GroupMethodofDataHandling)方法的零售业销售预测模型，模型遵从自组织的原理，其结构根据销售量数据深层信息的挖掘的情况自组织的形成，体现了最优复杂度的原理，既保证了一定的预测精度，又使得模型在拟合能力与预测能力上达到了良好的平衡。 在MATLAB6.5的环境下实现模型算法的全过程，设计了程序的主要模块，程序流程、计算过程以及最后追溯模型表达式的算法过程。重点解决了模型的原始表达式的追溯问题，通过两个关键点的实现，一是建立结构清晰的树状结构数组来记录模型关键节点信息；二是合理地利用嵌套循环来一层层地向上追溯各层节点多项式的系数来克服这一难点。 通过对北京物美超市的单品销售量预测的实证研究，采用基于GMDH法的销售量预测模型进行预测，通过和多元回归法和BP算法的对比分析，来说明模型的有效性和优越性。首先，基于GMDH的销售量预测模型作为自组织的建模方法，有效地减少了用户在建模过程的干预，降低了操作者的知识经验等对建模的人为影响；其次，通过对比实验，模型在预测精度上也显现出胜于多元回归和BP算法的优势。