居民消费价格指数(Consumer Price Index),英文缩写为CPI,是统计学中的一种重要指标,主要反映消费者购置商品或劳务的价格水平以及价格变化的趋向或幅度。CPI的高低直接反映了一个国家的通货膨胀水平,CPI涉及经济发展,可作为国家管理者们制定宏观经济政策、规划经济市场业务以及分析货币或债券市场的重要参考依据。由此,对CPI的研究具有重要的现实意义。本文分别采用各单项模型(SARIMA模型、GM(1,1)模型和BP神经网络模型)和组合模型对我国2001年1月-2017年1月间的CPI月度数据进行拟合预测。组合预测模型首先,采用中位移动平均法将CPI序列分解成趋势变动项和周期波动项;然后构建SARIMA模型预测周期项,构建GM(1,1)模型预测趋势项;再以乘积模型组合两部分预测值,根据实际值得到随机扰动项,进一步构建BP神经网络模型预测随机扰动项;最后,对三个模型得到的预测值采用先乘积后加法的形式进行组合,得到最终的预测值,并通过比较各单项模型和组合模型的预测效果,找出最优的CPI预测模型。结果表明:基于SARIMA-GM-BP的组合模型比单项模型相比,在预测能力上有了很大改善,具有一定的抵抗随机干扰因素影响的能力;从实证角度证明了组合模型可以在CPI的预测领域中发挥作用;拟合效果好的模型预测效果不一定好,即每种预测模型都有其自身的适用范围,须根据实际情况应用;基于组合模型得到的外推预测结果显示CPI环比指数呈上下波动,但整体上升的趋势。