近年来,我国物价上涨速度加快,政府为稳定消费者价格指数（简称CPI）涨幅采取了一系列措施,包括提高准备金率、大力打击资本市场投机行为、加大信贷控制等措施,但这些经济政策具有外部时滞性,且实施效果也存在较大的不稳定性,在很大程度上无法解决现实问题。在大数据时代,互联网搜索引擎记录了需求方和供给方对信息的行为选择,浓缩了有价值的社会活动信息,可为研究用户行为提供有效的数据资源。网络搜索数据以其及时性、便捷性等优势,为研究宏观经济指标提供了新的思路,相比利用传统数据预测,网络搜索数据更能精确及时地反映受某些因素影响的经济波动情况。基于此,利用网络搜索数据预测分析CPI的影响因素和变化趋势,能为国家及时有效地制定宏观经济调控政策提供参考价值。论文首先对传统CPI预测模型进行整理研究,分析传统模型的局限性。然后从宏观角度、微观角度分析影响CPI变化的因素,阐述了网络搜索数据与CPI变化的内在关联机理。其次,将选取的宏微观关键词与CPI进行相关性界定,筛选具有先行性的关键词,采用主成分分析方法进行降维,最终得到合成的网络搜索数据指标。最后,采用基于集合经验模态分解方法（EEMD）的组合预测方法,将CPI和网络搜索数据指标同时进行去噪处理,采用聚类分析方法对平稳时间序列进行重构并赋予一定的经济意义,根据重构后的高频、中频、低频和趋势项四部分进行合理建模预测,利用支持向量机（SVM）集成最终的CPI指数。通过分析研究,得到了以下结论:第一,根据CPI的影响因素,分别从宏微观角度初筛关键词,利用时差相关分析法筛选相关性较高且具有先行期的关键词,合成后的网络搜索数据指标能较好地反映CPI的波动走势。第二,相比传统预测模型,加入网络搜索数据指标后的模型即SVM模型预测效果要优于未加入网络搜索数据指标的模型即ARIMA模型。第三,相比单一预测模型,经过EEMD分解后的组合模型效果明显优于单一模型,而进行各分项预测值集成后的组合模型优于未集成的组合模型。本文模型在预测CPI走势的效果具有显著优势,且其误差率在对比模型中是最低的。论文的创新点主要表现在以下几个方面:理论层面,分别对CPI的影响因素、网络搜索数据特点、网络搜索数据和CPI的内在关联机理进行理论分析,从宏观和微观两个角度选取CPI关键词。方法层面,利用网络搜索数据的及时性优势和组合预测方法的高精确度特点,构建了一种基于网络搜索数据的CPI组合预测模型。结论层面,引入网络搜索数据的组合预测模型相较于单一模型和传统预测模型在CPI的拟合效果和预测精度方面均有比较优势。本文提出的模型可为宏观经济指标进行及时预测,并为政策制定提供一定的参考。