创建浦发银行生产运维系统的主要目的是全面反映生产运行状况,其中核心交易量是一个重要指标,预测未来核心交易量可以帮助相关负责人提前制定任务部署,降低风险。核心交易量因会受到多元化因素的影响,所以此时间序列较为复杂,它同时包含线性特征与非线性特征。本文首先对擅长预测线性序列的ARIMA模型进行研究,探究模型识别的方法,提高模型的推广能力,并使用Eviews进行仿真。其次对擅长预测非线性序列的BP神经网络进行研究,探究最适合的网络结构,选择相对较适合的学习函数与训练函数,并使用MATLAB实现对核心交易量的预测。单一模型在它擅长的领域预测能力较好,但在某些方面仍存在缺陷,为了弥补单一模型在某些方面的不足,本文提出使用ARIMA与BP神经网络的组合模型,在深入研究其原理之后,对所提出的组合模型进行完善与改进,实现其更优的预测性能。最后对各个模型进行对比,得出相对最优的模型来预测核心交易量。