在高端制造企业的运维业务中，配件需求随机发生，且伴随有大量的零需求阶段，同时，对应的配件需求数据量小，且呈现出间歇性和块状分布的特点，导致现有时间序列预测方法难以有效预测配件需求走势。为解决该问题，提出了一种间歇性时间序列的可预测性评估及联合预测方法。首先，提出了一种新的间歇相似度指标，通过统计两条序列中“0”元素出现的频次和位置，并结合最大信息系数和平均需求间隔等度量指标，有效评估了序列的趋势信息和波动规律，并实现了对间歇性序列可预测性的量化；其次，基于该指标，构建了一个间歇相似度层次聚类方法来自适应地筛选相似性高、可预测性强的序列，剔除极度稀疏、无法预测的序列；此外，探索利用序列间的结构化信息，并构建多输出支持向量回归（M-SVR）模型，从而实现小样本下的间歇性序列联合预测；最后，分别在两个公开数据集（UCI礼品零售数据集和华为电脑配件数据集）和某大型制造企业实际配件售后数据集上进行实验。实验结果表明，相比多个典型的时间序列预测方法，所提方法可有效挖掘各类间歇性序列的可预测性，提高小样本间歇性序列的预测精度，从而为制造企业配件需求预测提供了一种新的解决方案。
