云计算平台具有服务灵活,共享资源,网络接入方便等特点,这些特点在为企业带来了全新的管理模式和更好的发展空间的同时,也为供应链的发展提供了新的方向和解决方案,为供应链的松耦合、柔性、灵活构建提供良好的集成环境。通过搭载云计算平台,供应链的构建与传统方式下发生了很大变化。由于需求预测的误差会随着云平台中供应链企业的信息共享而更快的传播、放大,对于云平台供应链的需求预测就显得尤为重要；是否能够对需求进行准确的预测,将成为供应链后续是否能够有效协同运行的核心和关键。基于上述问题,提出了云计算环境下供应链需求预测研究的课题,论文所做的主要工作如下：第一,考虑云计算平台中供应链的特点,构建基于云平台的供应链需求预测模型。依据云供应链管理的参考架构模型C-SCRA;提出结合多Agent思想的需求预测方法。使用Petri为供应链建模,结合多Agent思想进行供应链需求预测。验证了该需求预测模型的在云平台下的有效性。第二,针对云计算环境下的供应链拓扑结构灵活变化等特性可能引起的供应链需求量不稳定波动的情况,提出基于拟合精度加权的Markov灰色需求预测算法。使用灰色预测算法进行首轮需求预测,对预测值的拟合精度通过自相关系数加权,使用Markov预测得到灰预测拟合精度指标的范围,修正首轮灰色预测,得到新的预测值,作为较为准确的预测结果。本章最后一部分,通过实例验证了新算法在提高预测准确性上的作用。第三,针对云平台供应链中影响因素众多且相互影响的特点,提出基于BP神经网络的多变量灰色供应链需求预测方法。利用云计算平台的数据共享、留痕等特性,作为对长期合作、数据量丰富的供应链进行多变量灰色预测的基础；由于灰色预测模型在进行中长期预测时无法得到高精度结果,误差值较高,论文使用BP神经网络对多变量灰预测的误差进行训练,弥补灰预测精度不足问题,为供应链中长期预测得到更为准确的预测值。通过仿真,结果证明预测方法能够有效利用云平台中多变量进行预测,且提高了需求预测精度。