对时间序列进行分析预测是预测领域内的一个重要研究方向,是科学决策、规划的重要前提。时间序列预测也是一个多学科交叉的研究领域,本论文在人工神经网络、机器学习和时间序列预测的理论指导下,将组合神经网络方法引入时间序列预测,同时深入的进行理论、方法与模型构建的研究工作。本论文简要介绍了时间序列预测的基本概念、各种模型,重点分析了基于组合神经网络模型的时间序列预测方法,探讨了组合神经网络的模型与结构、学习规则,训练方法等,构建了基于组合神经网络的时间序列预测模型,研究了组合神经网络的模型规模、泛化能力等问题,并利用所建立的组合神经网络模型,对几个具体的时间序列进行了预测分析,结果非常理想,说明本文所建立的基于组合神经网络的时间序列预测模型具有很强的预测能力和泛化能力,验证了本文构建的基于组合神经网络的时间序列预测模型的有效性和普适性。本论文针对组合神经网络模型中的复杂度问题作了初步的研究,提出了一种评价组合神经网络模型有效性的方法,同时对组合神经网络模型的改进作了有效的探索,提出了基于不同类型个体模型构建组合模型的方法,并对实际时间序列进行了验证。