对区域物流的需求进行预测是区域经济与物流管理规划中的重点,也是对区域经济和物流活动进行规划的前提。区域物流需求量预测的结果可以影响物流基础建设、交通网络的布局以及当地物流企业未来的发展,所以说区域物流需求的预测是物流发展的前提。通过区域物流需求的预测,可以及时的了解当地经济活动中的物流需求量,进而可以通过预测到的物流活动需求量及时的满足当地经济活动中的物流需求,保证了物流服务与需求的平衡,使当地经济建设与物流协调性发展,保持一种比较高的效率。国内外关于物流需求预测的论文有很多,每一位学者都运用了不同的模型方法来对当地的物流需求量进行预测,其中对货运量和货运周转量的预测最多。最早的预测方法是移动平均、增长率、灰色模型、随机时间序列模型等,这些方法大部分出现在最早的研究当中,单一的建模方法很难对物流需求量有较为准确的预测,预测精度比较差,所以现在的研究中,大部分预测方法都要结合其他更先进的模型。近些年,更多学者开始使用机器学习的模型,通过考虑因变量与影响因素的关系,通过历史数据与机器学习的结合推导出相对更加准确的变化趋势,最常用的模型是神经网络模型与支持向量机模型。本文在研究国内外学者对于该问题研究成果的基础上,首先总结了当前研究当中存在的问题；然后对区域物流的概念以及特点进行了归纳和总结,分析了物流需求预测的内容以及步骤；其次,分析了影响物流需求的主要因素,并且从经济总量、产业结构和当地居民的消费水平等几个方面构建了一个适合于本文的预测指标体系；再次,本文通过详细的讲解决策粗糙集理论,将其中的属性约简算法引入本文的预测模型,目的在于剔除冗余属性,优化预测模型；接着,本文讲解了支持向量机理论及模型,并通过遗传算法对其核函数的参数进行优化,在属性约简的基础之上,进一步的提高了预测的精度；最后,利用本文建立好的模型,在MATLAB软件上对广东省物流需求进行了预测,通过对比属性约简前后和参数优化前后的回归效果,证明了本文的模型相比单一支持向量机回归模型的有效性和可行性,为区域物流需求预测提供了新的思路和方法。