精准高效的成品油出库量预测能够优化库存配置、降低运营成本、应对市场变化，从而保障供应链高效运作。以华中地区面向加油站的成品油油库为研究对象，采集并处理汽油、柴油等多品类油品的历史出库原始数据，结合 DeepSeek 自动化数据采集框架，实现气象等辅助特征的高精度、日粒度自动对齐与导出，提出了一种耦合变分模态分解（VMD）与循环神经网络（RNN）的混合模型。先利用 VMD 分解原始序列的复杂波动，再通过 RNN 对各分量进行预测。实验结果表明，该混合模型在日预测任务中优势显著，相较于 BP 神经网络模型和 Prophet 模型，误差分别降低了85% 和 88%。同时，结合敏感性分析，验证了气象与节假日等辅助特征对预测精度的显著贡献，确定了变分模态分解的最优参数组合，确保了模型结构设计的科学性。本研究可为成品油库存管理决策提供参考，助力构建高效智能的现代油品供应链。