Con el objetivo de abordar la complejidad y los desafíos de predecir las ventas de vehículos eléctricos (EV) puros, este documento integra un modelo de series temporales, una máquina de soporte vectorial y un modelo combinado para pronosticar las ventas de EV en China. En primer lugar, se construyó un modelo de promedio móvil integrado autorregresivo estacional (SARIMA) utilizando datos históricos de ventas de EV, y el modelo se entrenó con estadísticas de ventas para obtener resultados de pronóstico. En segundo lugar, se analizaron variables que estaban altamente correlacionadas con las ventas utilizando análisis relacional gris (GRA) y se utilizaron como parámetros de entrada para el modelo de regresión de soporte vectorial (SVR), que se construyó para optimizar las predicciones de ventas de EV. Finalmente, se verificó un modelo combinado que incorpora diferentes algoritmos contra datos de ventas del mercado para explorar el enfoque óptimo de predicción de ventas. Los resultados indican que el modelo SARIMA-GRA-SVR con el error de predicción cuadrado y el método inverso logró el mejor rendimiento predictivo, con valores de MAPE, MAE y RMSE de 12%, 1.45 y 2.08, respectivamente. Este estudio empírico valida la efectividad y superioridad del modelo SARIMA-GRA-SVR en la predicción de ventas de EV.