【摘要】零售商品库存控制单位（stock keeping unit,SKU）级别的销量时间序列具有较强的非平稳性和非线性，其多步预测困难。为了解决上述问题，提出了一种基于集合经验模态分解（ensemble empirical mode decomposition,EEMD）、霍尔特-温特斯（Holt-Winters,HW）以及梯度提升树（gradient boosting decision tree,GBDT）的销量预测模型。该模型分为3个阶段：第1阶段利用HW模型进行区域-全商品层级销量预测，并通过移动平均比例法得到SKU级别预测结果；第2阶段利用EEMD处理原始时间序列和HW模型产生的预测值序列以降低数据的非平稳性及拓展输入特征；第3阶段集成基于HW预测分量和内外部特征构建的多个梯度提升树，得到预测结果。采用国内某零售企业的销售数据进行验证。结果表明，EEMD-HW-GBDT模型对零售商品销量多步预测问题具有良好的预测性能，在MAE、RMSE和WMAPE指标方面均优于其他7个基准对比模型。