组合预测就是将各单项预测模型视为存储不同信息的片段,然后以某种方式将各片段整合起来,以信息集成最大化为目的的预测方式.不同的单项预测模型所蕴藏的有用信息不同,而组合预测就是将分散的有用信息进行组合加工,尽量减少信息的不确定性和零散性所带来的影响,以此满足预测者提高预测精度的需求.组合预测主要包括两个重要的方面,一是单项模型的选择,二是模型的结合方式.在单向模型的选择方面,本文选择了差分自回归移动平均模型(简称ARIMA模型)、自适应过滤模型、BP神经网络模型、灰色GM(1,1)模型及指数曲线模型进行研究.在结合方式方面,本文从加权组合和误差修正组合两个方面对单项模型进行组合研究.在加权组合方面,本文提出了一种基于平均绝对误差百分比(简称MAPE)和最小二乘的综合权重组合预测模型,首先建立了ARIMA模型和指数曲线回归模型,然后用MAPE和最小二乘法确定各自组合模型的权系数,最后利用基于MAPE和最小二乘的综合权重组合预测模型对湖北省国内生产总值(Gross Domestic Product,简称GDP)进行预测,仿真结果表明,该综合权重相较于单一权重而言可以提高组合预测的精度;在误差修正组合方面,本文根据模型优势互补和共通性原则建立了灰色自适应过滤和ARIMA-BP这两种误差修正组合预测模型并进行实例验证,结果表明,该种组合方式可以有效提高模型的预测精度,同时也不失为是一种较优的组合预测模型.本文的创新性体现在如下两点:1、目前对加权组合预测模型权重的研究主要集中在以一重标准获取权系数,而本文提出了一种基于MAPE和最小二乘的综合权重组合预测模型,相较于一重标准的权系数,该综合权重能有效的提高预测精度;2、对组合预测模型结合方式的研究目前多集中在加权的形式上,而本文提出了另一种结合方式即误差修正,通过实例验证说明误差修正组合预测模型相较于加权组合预测模型而言预测效果也较好,表明了误差修正也是一种较优的预测结合方式.