居民消费价格指数（CPI）作为反映物价波动的重要指标,其实时监测与预测为宏观经济分析以及物价调控的决策制定提供重要的参考依据。近年来,中美贸易战的拉开加上当前全球新冠疫情的突如其来,我国经济受到了一定的影响。与此同时,以CPI为主导的物价波动发生了异常变动。而当前国际形势的动荡不安,为未来数年物价的波动增添了诸多不确定影响因素,也为物价实时监控与预判提出了更高的要求。因此,寻求合理高效的方法对CPI进行准确预测,以做到对物价波动的实时监测,显得十分重要。为此,近年来越来越多的国内外研究学者投身于CPI的相关分析中,并针对CPI的预测做了大量的研究。然而目前有关CPI的预测研究大多采用单一预测模型,并且未能全面考虑到CPI所具备的复杂经济特性,导致模型不能充分利用信息,模型有待完善,预测效果需进一步提升。因此,在对CPI进行预测前,有必要对其经济特性进行讨论研究,充分利用CPI自身所提供的有效信息,针对其不同的特征采取合适的预测方法建立相应的预测模型,才能准确有效的提高CPI预测的效率和精度。为解决上述问题,本文通过梳理当前已有的研究文献,对CPI序列的特征和研究方法进行总结,理清现存方法的原理以及优缺点,结合经济特性设置了一种新的组合预测模型。首先,将SARIMA线性模型与BP非线性模型进行结合,充分拟合CPI的线性与非线性的经济特征,并消除了季节因素的影响。其次,引入了数据的预处理以及优化算法,改善BP神经网络受自身数据波动以及易陷入局部极值的影响。最终,本文以2001年1月至2020年12月CPI、食品CPI和非食品CPI的月度同比与环比序列为样本,分别从外部预测、内部预测入手建立SARIMA线性模型与完全集合经验模态分解（CEEMD）—差分蝙蝠算法（DEBA）—BP混合神经网络非线性模型相结合的组合预测模型。并且从单一模型、组合模型、以及是否引入预处理、优化算法等多个角度设置了 8个对比模型,分别以传统损失函数MAPE、MAE、MSE、SAE为评价指标,进行模型预测效果的分析。除此之外,考虑到新冠疫情突发事件的影响,本文在文章的最后设置了对照试验进行对比分析,对此讨论了新冠疫情对模型预测效果的影响并对该影响背后的原因进行了研讨,充分的揭示模型的高效预测性能。另外,为了使得模型预测效果更具说服力,又从统计学的角度引入了 DM检验,再一次验证了结论的可信度,以期为CPI的预测提供一种新型的方法,为宏观经济的调控提供客观准确的依据。试验结果表明,首先,本文最终建立的基于差分蝙蝠优化算法的预测模型的 MAPE、MAE、MSE 和 SAE 分别为 0.27%、0.2706、0.1044 和 3.2657,相比所构建的对比模型具有更强的预测能力。其次,以CPI为样本的外部预测结果表明,线性模型与非线性模型相结合能有效提高预测精度,同比序列与环比序列相结合能够弥补单序列预测的缺陷,并且在非线性模型中CEEMD能够有效解决误差序列随机性强等缺陷,DEBA可以避免BP陷入局部收敛的缺陷从而提高预测精度。再次,以食品CPI与非食品CPI为样本的内部预测结果验证了外部预测的结论,进一步提高了预测精度并通过了 DM检验。最后,由对照试验可知,由于新冠疫情的影响,导致疫情后样本数据波动大于疫情前的数据波动,进而影响了模型的拟合度,最终导致预测模型对疫情后样本数据的预测效果的四个评价指标 MAPE、MAE、MSE、SAE 分别增加了 0.16%、0.1610、0.0845、1.9500。除此之外,结合本文的相关分析可知,尽管目前随着我国需求侧的逐渐恢复,三驾马车齐驾并驱,2020年CPI全年稳定于3.5%左右,但恢复速度较供给侧慢,为快速达到供需平衡,保持稳定的价格体系,建议在当前新时代经济背景下,坚持国内大循环为主体、国内国际双循环协同发展的方针,进一步扩大内需,提高居民的消费需求。本文所构建的基于差分蝙蝠优化算法的居民消费价格指数预测模型用于CPI的预测取得了良好的效果,具有一定的理论意义和现实意义。其主要的贡献及创新点有:第一,充分考虑了 CPI复杂的经济特性,利用CPI线性与非线性的复合特征以及同比环比序列互补的特性,不仅消除了季节波动而且提高了模型性能。第二,考虑到CPI内部的影响关系,基于内部视角将CPI内部指数划分为食品与非食品两大类进行模型预测,进一步提高了模型的预测性能。第三,引入了效果的对比与方法检验,通过对照试验的对比以及DM检验进一步证明了模型的有效性和稳定性。除此之外,本文仍存在几点不足:第一,本文所采样本为单一的CPI自身数据,未引入与CPI密切相关的外部因素进行辅助预测。第二,本文基于内部视角的预测,将CPI八大类指数简化为食品与非食品两类,未就八大类具体展开预测。