本发明实施例提供了一种基于动态异构图卷积的多价值链汽车配件需求预测方法，该方法包括：获取历史第一时间段内与目标制造厂相关的多价值链历史数据，根据多价值链历史数据构建动态异构图；将动态异构图按单位时间处理成多个静态异构图，分别得到每个静态异构图的邻接矩阵和特征矩阵；将多个静态异构图的邻接矩阵和特征矩阵分别按时间先后顺序输入至训练好的动态异构图卷积神经网络结合长短期记忆网络的预测模型(DHGCN_LSTM)中，得到目标制造厂在未来第二时间段内的配件需求预测结果。本发明充分考虑了多价值链结构中上下游商家对制造厂配件采购的影响，提升了汽车配件采购需求预测的准确率，以为汽车企业的相关配件采购部门提供优质的配件采购服务。