供应链管理(SupplyChainManagement，SCM)，是企业提高核心竞争力的重要手段。作为一种新的经营与运作模式，在给企业带来多方面效益的同时也带来很多需要解决的问题。预测是供应链管理中非常重要的内容，它贯穿于供应链中原材料供应、生产及产品销售等环节中。采用问卷调查的方式对多家企业进行了调研。结果显示，传统的预测方法已不能满足企业的要求。如何提高预测精度，为供应链中的生产及库存管理决策提供依据成了企业关注的焦点。神经网络方法就是很好的预测方法，它能针对像供应链管理这样的非线性系统取得惊人的预测效果。 论文以流程企业供应链管理中的预测问题为研究对象。首先介绍了预测的特点、分类和传统的预测方法。其次对供应链管理理论进行了概述，并结合流程企业的特点，综述了流程企业供应链管理中的若干问题。着重对流程企业供应链预测功能的需求和预测对象进行了分析和总结。 预测的成功不仅依赖于预测方法，数据是否具有可预测性也是重要的影响因素。基于神经网络在预测领域良好的实用性和可操作性，在理解神经网络建模原理的基础上，提出了利用相空间重构技术构造递归图来分析时间序列可预测性的方法，并利用四组仿真数据序列：周期序列、拟周期序列、混沌序列及随机序列对该方法描述可预测性的能力进行了验证。 因流程企业供应链中的预测更注重长期预测，从数学模型方面讲称为多步预测，论文提出用改进的递归神经网络模型来解决流程企业供应链管理中的预测问题，并通过实验仿真将其同传统前馈神经网络模型的预测效果进行了比较，利用评价函数对两种预测模型进行评价，得出了该模型比传统神经网络模型用作多步预测效果更佳的结论。 最后，论文阐述了供应链中预测对象的共性，以销量预测为代表应用神经网络预测方法。介绍了山西亚宝药业集团公司的预测现状，针对该公司的四种药品两年的销量数据利用递归图进行了可预测性分析后，应用移动平均法、前馈神经网络模型和递归神经网络模型分别进行了多步预测，通过对预测结果的误差分析与对比，进一步验证了递归神经网络模型用作多步预测效果较好的结论。