长期以来我们一直将消费、投资和出口视为能够使我国的经济得到快速发展的三个重要的前提,并且投资和出口在拉动我国经济发展方面一直都起着非常重要的作用。但是与投资和出口水平相比,我国的居民消费支出水平一直都较低,如何才能更好的促进和引导我国的居民进行消费已经成为人们日益关注的问题,为此,我们的党和政府也多次的强调要着力扩大我国的内需水平,特别是扩大我国的居民消费内需水平。是以深入探讨何种因素会对我国城镇居民的消费支出产生影响具有非常深远的实际意义。并且,随着大数据时代的发展,现在变量选择的问题也是我们现在非常关注的一个问题,如何在大量的数据之中筛选出有效地信息也成为现在研究的重点。本文为研究以上的问题做出了以下的工作:第1章,阐述了本论文关于Lasso类方法、BP神经网络和城镇居民消费支出的选题背景和研究目的,国内外学者在对应方面所得到的研究成果及现状。第2章,分别介绍了Lasso方法、Adaptive Lasso(简称A-Lasso)方法、Elastic Net方法(简称E-Net)和Adaptive Elastic Net(简称AE-Net)方法的基本理论知识及其相关的算法。第3章,主要探究Lasso、A-Lasso、E-Net和AE-Net等方法在一般线性模型上的相关性质,并使用数值模拟的方式对其进行相应的验证。第4章,主要描述了BP神经网络的基本原理、算法思路、算法步骤并且绘制出相应的流程图。并且向我们详细的介绍了BP神经网络的预测方法,为后文对如何运用BP神经网络进行相应的预测提供了解决思路与理论依据。最后介绍了如何对BP神经网络的数据来进行适当的预处理,如何来确定BP神经网络的结构提供了理论依据。第5章,首先通过定性分析确定了影响城镇居民消费支出的一些变量,为后面的实证分析提供依据。然后分别运用Lasso、A-Lasso、E-Net和AE-Net这四种方法对我国的城镇居民消费支出进行相应的预测。最后,对于我国的城镇居民消费支出分别使用根据A-Lasso和BP神经网络建立的组合预测模型的方法、根据AE-Net和BP神经网络建立的组合预测模型的方法这两种方法来进行预测。第6章,总结全文并提出相应的建议。对组合预测方法与单一的预测方法的优劣进行比较,并且对如何提高我国的城镇居民消费支出水平提出相应的建议。