目前,我国社会医疗保障体系建设不够完善,保障范围十分有限,健康保险作为社会保障体系的有效补充,有利于缓解政府的负担和企业的压力,满足人们对医疗服务的不同层次要求,提高社会整体的医疗保障水平。然而,我国健康保险的发展虽然已取得较为显著的成绩,但仍存在一些问题。其中,区域发展的不平衡性,严重制约了健康保险覆盖率的提升,阻碍了健康保险异地服务的发展,不利于健康保险全面发挥其健康保障作用。本文根据相关文献研究和实验验证,选取8个指标,即国内生产总值、社会保障水平、金融就业人数比、居民可支配收入、教育水平、城镇化率、老年抚养比和预期寿命,利用K-means聚类算法,对我国健康保险区域进行重新划分。此后,根据健康保险月度保费收入数据的季节性特征,比较分析了多种模型,发现仅选择一种预测模型难以全面反映季节性数据的全部信息,而且未曾有人建立SARIMA和季节SVR组合模型预测健康保险月度保费收入。因此,在充分考虑健康保险月度保费收入中明显的季节性特征和趋势性特点后,本文选择SARIMA和季节SVR组合模型进行预测。其中,SARIMA模型是ARIMA模型考虑季节性因素后的改进模型,季节SVR模型适用于处理非线性数据,具有良好数据拟合和预测能力。本文以最小二乘法为准则,误差平方和最小为目标函数,确定组合模型的最优权重系数,得到最终的组合预测模型。经实证研究发现,SARIMA和季节SVR组合模型对季节性数据具有较好的预测效果,且提高了模型的预测精度。