随着中国经济的高速发展,人民生活水平的不断提高,国际化进程的不断加快,我们在经济领域的发展越来越快,人均GDP也在不断提升。居民价格消费指数,简称CPI,是用来分析我国市场价格基本走势的一个重要指标,也是国家宏观调控的一个重要依据。国家可以根据CPI的变动来进行货币政策和财政政策的一系列调整,从而来保证市场的稳定和居民的幸福生活。因此,本文着重利用组合模型来对江西省的CPI进行预测。随着人工智能的普及以及各种算法的不断推广,越来越多的预测模型得到了很大程度的提升,对于不同的研究问题,也具有了针对性的模型来进行预测,比如对于CPI的预测,其中就有ARIMA模型、SVM模型和BP神经网络模型等。由于CPI数据是一个具有多方面影响因素制约的一个指标,因此,本文认为,单一的预测模型不能够很好地将序列值所包含的信息完全拟合出来。为了缩小预测的误差,提升模型的精度,本文提出了组合预测模型以及组合系数法,从序列值本身带有的信息特点出发,找到合适的模型,以便于更好地对江西省的CPI进行预测。本文首先介绍了时间序列理论的相关知识,为下文打下了理论基础。然后,根据江西省CPI数据具有的线性与非线性特点,提出选用线性模型与非线性模型组合的办法,根据数据的特点,采用了数学中经典的最小二乘法与MAE权重系数法进行组合,提出组合权重系数法,并以此建立组合模型,从而对2019年4月到2020年1月的江西省CPI序列值进行预测。最后,根据预测结果,对比单一模型和组合模型的预测效果以及不同组合方式之间的组合模型的预测效果,从而找到优化的模型来对江西省CPI进行预测。结果发现,采用组合模型的预测效果要优于单一模型,采用本文提出的组合权重系数法在预测误差上要优于其他权重系数法所构成的组合模型。