“衣食住行”,衣为第一。服装是快销品,其生产制造具有多批多量、波动性大的特征。如何提高服装制造的效率,对多型多类的服装面料进行高精度的需求预测成为关键问题。精确的面料需求预测,对解决面料供应失衡问题具有重要意义。为了解决服装生产过程中不同规格型号面料需求预测难的问题,针对服装企业的服装产品生命周期短、服装商业环境波动大造成面料需求非确定性、预测难的痛点,提出基于关联规则及组合模型的面料需求预测方法。由于服装的面料组成具有复杂性,企业在不同时间对不同规格型号面料的需求量不一致,传统的人工预测及单项智能预测模型难以解决问题。文章构建面料关联及组合预测模型以支持服装企业面料柔性生产。主要研究工作如下:（1）针对多批多类服装面料复杂性与需求非确定性的问题,提出基于Apriori算法的面料关联模型。首先,多维度合并企业不同规格型号面料的属性信息。然后,遍历面料集合生成各面料型号对应的频繁项集,并计算各项集的支持度。再通过各面料型号频繁项集支持度的约束条件,生成多批多类面料间的关联规则。最后,设计相关实验进行验证,以提升度和置信度为指标衡量生成的关联规则,结果表明该方法挖掘出的面料间的关联规则具有可靠性。（2）针对服装企业面料需求预测难的问题,提出基于关联规则及组合模型的面料需求预测方法。该方法在挖掘出面料间关联规则的基础上,构建面料需求预测组合模型以提高预测精度。首先,针对面料历史需求数据的周期性与非周期性部分,分别构建Prophet时间序列与LSTM神经网络单项模型。然后,结合单项模型构建组合模型。再采用量子粒子群算法优化组合模型权值系数。最后,使用RMES及MAE作为评价指标设计对比实验,实验结果表明:具关联分析的面料需求预测组合模型有更高的准确率。