煤炭是我国的基本资源,长期在能源市场中起着绝对的主导作用。煤炭价格一旦发生剧烈波动,将会对国家的宏观经济,区域经济,居民生活,尤其对涉煤企业产生重要影响。因此实现煤炭价格较为精准的预测,对企业决策者做出有利的战略计划具有重要的意义。传统的煤炭价格预测模型主要使用时间序列方法或是采用人工智能方法。但是由于煤炭价格时间序列具有非线性性与非平稳性,使用单一的预测模型难以捕捉到其综合趋势。为了进一步提升模型的预测精度,本文讨论了基于ARIMA与SVM的煤炭价格预测的组合模型,研究内容包括:1)采用一阶差分的方法,将非平稳的原价格序列转化为平稳的时间序列。比较评价指标的大小以及参数估计结果,选出三个可能的模型,即:ARIMA(6,1,5),ARIMA(6,1,6)以及ARIMA(6,1,9),综合考虑模型的残差序列是否具有纯随机性及其自相关系数是否处于置信区间内,最终选择ARIMA(6,1,6)模型来预测2014年5月至2015年2月的煤炭价格,预测结果表明该模型的MAPE为1.65,达到了很高的精度要求;2)建立煤炭价格的SVM预测模型,同时,为了进一步提高预测精度,利用粒子群优化(PSO)算法,对支持向量机中的参数进行优化。结果显示,PSO-SVM模型的MAPE值为1.68,取得了较好的预测效果;3)煤炭价格时间序列含有线性与非线性两部分,且这两部分并非完全相互独立,本文采用并联式组合预测的思想,建立了ARIMA与SVM的组合预测模型,组合模型的MAPE为1.36,明显小于单一模型的MAPE值,说明该模型可充分利用原始数据中隐含的信息,进一步验证了组合预测模型的可行性和有效性。