本文为了能够提出有效解决中国商品价格指数(CGPI)预测的模型,对多种预测模型进行实际模拟计算。通过对多种模型进行优化和比较,最终得出了能够有效预测中国商品价格指数的模型。同时,成功得对初始的预测模型进行了优化,有效的提高了模型的预测精度。最终提出的预测模型不仅能应用于CGPI的预测,同时由于其改进之后总能选取全局最优参数,并且避免了偶然误差,因此可以对多种经济甚至其他领域的数据进行高效和高精度的预测。企业商品交易价格指数是一个综合衡量通货膨胀和经济波动的指标。如果央行即中国人民银行想及时和有效的建立和调整货币政策,那么对CGPI进行精确的预测是至关重要的。毫无疑问,对CGPI进行精确预测是一个很大的挑战,因为市场经济中存在大量的经济因素能对CGPI产生影响。在过去的数年中,指数平滑在很多实证领域得到了很好的应用,特别是在经济预测领域。因此本文首先会使用指数平滑模型对CGPI进行预测。然而,在预测过程中会发现,指数平滑也存在着一些不足。相对于其他预测方法,指数平滑的在进行预测的过程中所选取的参数对预测精度有较大影响,但是适当的参数有些难以选取。一般情况下都是人工根据经验或者数据的性状选取相对合适的参数,但是这样往往产生不小的偶然误差。本文将使用三种人工智能算法对四种指数平滑方法进行优化,选取出最优参数,以期避免偶然误差。同时本文将会使用从2007年1月至2011年9月的中国企业商品交易价格指数的数据对优化的预测方法进行验证。最后的验证结果显示通过人工智能优化过后的指数平滑方法相比于原始的指数平滑方法能很显著的提高预测精度。