预测与人们的生活息息相关，在日常的现实生活中已经处于不可或缺的重要地位。比如天气预报、股市预测等等，它关系到人们生产生活的各个方面。时间序列的预测是预测研究的重要领域。分析数据之间的联系，找出它们之间的相关规律，建立一定的数学模型去拟合这么规律，是定量预测的基本方法。传统的时间序列预测方法比较单一，缺乏灵活性，而且对数据的平稳性要求比较高，只适用于线性平稳的时间序列预测。但是在现实生活中存在的数据往往是大量的非线性数据，这就要求人们去寻找更好的预测方法。　　本文提出了对于处理非线性问题有着更好效果的灰色理论和神经网络两种方法，并基于预测度最高的原则提出了组合预测。组合预测可以克服单一模型的缺点，达到更高的预测精度。本文介绍了传统时间序列预测方法、灰色模型、神经网络、组合模型的基本理论以及数据分析预测。　　首先，文章提出了三种预测方法：AR模型、灰色GM(1，1)模型、灰色神经网络模型。其中神经网络用的是动态的Elman神经网络模型。分别对样本数据进行预测，通过数据分析比较，得到结论：灰色模型比AR模型在处理非线性数据预测方面有更好的优势；组合预测方法比单一的预测方法预测结果要好。　　最后，文章提出了各种方法的优势及缺点，总结了本文的研究内容，提出了今后研究的方向及重点。