时间序列分析作为概率与数理统计学科中应用性较强的一个专业分支，遵循着数理统计学的基本原理，它提供了一套具有科学依据的动态数据处理方法，该方法主要通过对各种类型的数据采用相应的数学模型去近似描述，进而通过对模型的分析研究，从本质上了解数据的内在结构和复杂特性，从而达到预测其发展趋势的目的。预测就是推断和计量事物未来的发展变化，经济预测是依据一定的时间序列，按照客观的经济规律，运用科学的方法对客观的经济过程及其变化趋势作出推测的预见。为了更准确地作出预测，就希望模型的拟合精度和预测精度尽可能达到最好，而采用一种单一的预测方法难以获得很满意的预测结果，于是人们为了充分地利用各种模型的优势，达到最优的预测结果，便将各种单一的预测方法有机的组合起来。论文主要研究了基于时间序列模型的组合预测模型及其应用。首先，给出了组合预测模型的应用前景和研究现状、时间序列分析的来源及国内外研究发展状况、人工神经网络的发展简史、灰色理论的动态发展，并概述了研究本课题的目的和意义以及研究内容。接着论文给出了关于ARIMA模型的相关理论及其模型识别的基本原理，并说明了时间序列平稳化处理的方法。其次，论文把ARIMA模型、残差自回归模型和BP神经网络模型采用适当的方法构成一种新的组合预测模型，并利用山西省人均GDP的数据进行了预测。最后，论文利用ARIMA模型对时间序列数据进行模型识别和拟合，之后由灰色预测模型与优化后的灰色GM(1,1)模型对时间序列数据进行拟合与预测,最后通过赋予合理的权重再结合这些方法提出组合预测模型，并进行了实例验证。