预测是通过对历史事件的研究，在此基础上建立系统模型，从而进行预测。随着科学技术的发展，预测方法已经得到了很大的提高，但在预测实践中，单一的预测方法已经不能很好地进行预测。基于此，为了提高非平稳时间序列模型预测的准确性，论文对预测方法进行了研究。论文结合小波分析理论，神经网络理论及组合预测方法对非平稳时间序列模型进行了分析与预测，并将论文提出的修正方法用于我国的第三产业分析，将小波分析和神经网络的组合预测模型用于秦皇岛市旅游人口的预测等不同领域，在对组合预测模型的求解可变权重系数研究过程中把时间权重充分地考虑进去，用实际数据拟合结果验证了该方法的可行性和有效性。论文首先介绍了时间序列分析模型的相关理论，并从组合预测的思想出发，引用灰色理论中的新陈代谢GM(1,1)模型对ARIMA模型的预测结果进行修正，提高了模型预测的准确性。其次介绍了小波分析，小波去噪的有关理论，对小波阈值去噪算法进行了研究，用以说明小波具有很好的去噪功能，可以用于非平稳时间序列的去噪研究，用实例验证了该方法是可行的。再次介绍了神经网络模型的相关知识，并将小波分解和神经网络组合形成小波神经网络组合预测模型，对秦皇岛市旅游人口时间序列进行分析与预测，与传统的时间序列分析方法或单个模型预测相比，大大提高了预测效果。最后介绍了组合预测模型的基本思想，针对于变权组合预测方法，提出了一种以时间权重为基础的组合预测模型，并对变权系数进行了求解，用实例验证了该方法的有效性和可行性。