互联网广告是互联网企业营收的关键来源,备受企业重视。然而互联网广告收入预测难度大,原因在于互联网广告属于典型的复杂系统,非线性程度高,并且还会受到舆情热度、节假日效应等多因素影响。因此,互联网广告收入预测研究具有较高的实践意义与学术价值。通过文献阅读和对企业的实地调查,发现组合模型适合于解决互联网广告收入预测这一复杂问题,从而导出了本文的研究问题:（1）如何确定互联网广告收入的关键影响因素（2）如何构建有效的互联网广告收入预测模型（3）如何验证模型预测的准确性首先,根据广告利益相关方理论,本研究从广告平台、广告主和广告受众三种维度对互联网广告收入影响因素进行归类分析,提出了广告供给、广告吸引力和舆情热度三类影响因素,并通过格兰杰因果关系检验和灰色关联分析来定量分析关键影响因素。同时,互联网广告收入具有自身典型特性,在建模过程中需要充分考量。一方面,互联网广告受节假日影响巨大,所以在本研究中运用Prophet模型来刻画时间序列数据的节假日效应、增长趋势和季节周期趋势。另一方面,在互联网企业中,收入的更新往往是日粒度的低频数据,使得数据量不足以支撑复杂深度学习模型的训练。所以本研究通过简单成熟的BP神经网络对互联网广告收入的非线性成分进行预测,并通过遗传算法对神经网络模型进行改进。最后将两种模型进行组合,实现对复杂系统的有效预测。为了验证模型预测的准确性,本研究对某在线视频App进行了互联网广告收入预测的实例分析,通过与多模型对比,证明了改进Prophet-BP神经网络组合模型具有更高的预测准确性,MAPE仅为6.19%。总之,本研究通过对互联网广告收入预测模型的分析,证明了改进Prophet-BP神经网络组合模型的预测准确性优于传统模型,能够为互联网企业广告运营管理提供决策支持,也对互联网广告收入预测研究有所贡献。