旅游是一个人们都不陌生的词语,它的生命力在我们的生活中展现得淋漓尽致,如今随着社会经济的不断发展,人们的生活水平极大提高,在满足了外在物质上的需求后,逐渐增加对内在精神上的更高追求。当今,全球旅游行业已经进入到飞速发展的黄金时代,中国是世界第二大经济体以及最大的发展中国家,人口数量位于世界首位,国民消费行为十分活跃。自从2012年中国经济发展开始步入“新常态”阶段,消费活动对经济增长的贡献率显著提高,这也是经济发展的一个重要表现。与此同时,近几年在国民经济的发展中,旅游业日渐成为不可或缺的重要产业,旅游发展已然成为大市场,旅游人数也在持续增长。2018年,中国旅游业增加值已占GDP的11%以上,在这样的大背景下,为了保证国内旅游业全面有力地持续发展、确保人民生活质量不断提高、促进国民经济飞跃式发展,科学准确地对旅游人数进行提前预测将是规划旅游业发展的重要内容,而寻找合理有效的预测模型是保证预测结果符合实际的关键。本文利用2019年中国统计年鉴公布的历年国内旅游人数统计数据,引入奇异谱分析技术对原始时间序列剔除噪声,基于降噪序列分别利用ARIMA模型、BP神经网络和Holt-Winters方法对旅游人数进行建模预测分析,并基于单一模型预测结果构建出两种组合预测模型,综合分析数据预处理及模型组合对旅游人数预测效果产生的影响。研究结果表明:第一,奇异谱分析技术在降低序列噪声、提取序列主要信息方面效果显著,预处理后模型的预测精度有所提高,体现在与原始旅游人数时间序列相比,基于经过奇异谱分析处理的重构序列进行预测时可产生更小的预测误差;第二,与单项模型相比,组合模型的预测性能显著提升,本文所构建的组合模型预测精度极高且预测表现较稳定,加权平均组合法效果最好,在测试集上的相对误差仅为0.66%。应用该组合预测模型对中国国内旅游人数进行预测分析可行且有效。本文的研究结果证明了奇异谱分析和组合预测在旅游人数预测中的价值,为全国乃至地区旅游人数的预测分析提供了模型支持,对于科学预测地区旅游业发展具有指导意义。与已有研究相比,本文的研究贡献主要体现在以下两方面:在数据处理上,采用奇异谱分析对旅游人数原始序列进行降噪处理,提取出数据的主要特征,降低了原始数据的不规则性,对提高模型的预测性能效果显著;在模型选择上,突破部分研究模型单一化的缺点,本文选取三种被以往研究证明预测效果良好的模型（ARIMA、BPNN、Holt-Winters）作为基准,并基于单一模型构建了两种组合预测模型,有力地扩大了旅游人数预测的模型选择范畴,可以有效提高预测精度和稳定性。