组合预测是Granger和Bates提出的一种全面利用各种预测方法所挖掘信息的预测理论。经过几十年的发展,组合预测理论已经日渐成熟。众多学者的研究结果表明,组合预测能提供比单项预测方法更可靠、更精确的预测结果,因此研究组合预测方法有着重要的理论和应用价值。线性组合预测是组合预测中常见组合的方式,但其相对简单,不能准确表现实际预测中经常遇见的非线性预测系统的非线性性,影响了预测精度,而非线性组合预测却能较好的表现复杂系统的非线性。我们进行非线性组合预测的关键是找到拟合度较好的非线性组合预测函数,但是通过传统的数学方法来解决这个问题往往比较困难,这在一定程度上限制了非线性组合预测的应用。为此,我们引入GEP解决挖掘非线性组合预测函数的难题。基因表达式编程(Gene Expression Programming, GEP)是Candida Ferreira在遗传算法(Genetic Algorithm, GA)和遗传编程(Genetic Programming, GP)的基础上发展的新概念,它克服了GA与GP的不足,更适合于进行函数挖掘,并且在函数挖掘的过程中,不需要较多的先验知识,这尤其适合我们在组合预测中遇到的复杂未知系统。本文基于GEP进行组合预测研究,主要包括以下几部分内容：●阐述了预测和组合预测的原理,总结了对预测效果进行评价的方法,并介绍了几种本文实验用到的单一模型预测方法；●对组合预测的方法和研究现状进行了总结,重点比较了线性组合预测和非线性组合预测；●总结了遗传算法(GA)、遗传编程(GP)和基因表达式编程(GEP)之间的关系,并进行了对比。阐述了基因表达式编程(GEP)的特点和其进行函数挖掘的原理,重点分析了基于基因表达式编程进行函数挖掘的优势。在此基础上,提出了基于基因表达式编程进行组合预测的原理、方法和步骤,并与另外两种非线性的组合预测方法进行了比较；●在组合预测实验部分,利用居民消费价格指数(CPI)进行组合预测实验,实验结果表明基于基因表达式编程的组合预测方法可以较好地提高预测的精度。论文最后部分进行了总结,并对下一步工作进行了展望。