ARIMA模型对季节特征有较好的拟合效果,灰色GM(1,1)模型能准确反映时间序列的增长趋势,结合民航货邮周转量的特点和ARIMA模型和GM(1,1)模型的优点,分别建立货邮周转量的ARIMA和GM(1,1)的时间序列模型,揭示出民航货邮周转量随时间推移而发展变化的动态规律,最后为更精确地预测月度民航货邮周转量,提出基于ARIMA-GM的组合预测模型,并对近几月民航货邮周转量进行较准确的短期预测,结果表明:组合模型能提高预测精度,在实际应用中ARIMA模型可用于非季节和季节的各类时间序列;灰色GM(1,1)模型能准确反映时间序列的增长趋势,两者相结合很好地解决了民航货邮周转量短期预测的实际问题,得到民航货邮周转量更精确的预测结论,能够对民航货邮市场的发展趋势进行宏观把握,有利于决策者的经济决策行为。