预测是科学管理的重要环节，是决策、规划的前提。在社会经济管理中，经常要面临对某一事物或系统的发展趋势进行预测和分析。时间序列预测是预测领域内的一个重要研究方向，时间序列预测是一种根据历史数据构造时间序列模型，再把模型外推来预测未来的一种方法。起源于上世纪四十年代的人工神经网络是人工智能的一个分支，它在很多领域得到了广泛的应用。神经网络能学习贮存以往的历史经验知识，并能外推到未来，这是神经网络用于预测领域的理论依据。对于非线性的时间序列预测，神经网络比其他数学模型更有效和精确度更高。本文的第一章介绍了预测、预测的意义及预测的几个基本原理；第二章介绍了评价预测效果的几项误差指标；第三章简述了常见的一些预测方法；第四章概述了神经网络的基本理论结构算法以及存在的一些问题，如BP网络、Elman网络的结构、算法，网络收敛速度慢，不易收敛到全局最小，提高神经网络的泛化能力等问题；第五章用两组具体的时间序列数据为例来研究了输入输出节点数的变化对预测精度的影响，并据此指出：根据实际的时间序列来选择适当的输入输出节点数是减小预测误差提高预测精度的有效途径；第六章介绍了组合神经网络的原理，并把它从两重推广到了多重，给出了多重组合神经网络的分类方法，提出了一种数值预处理方法，它能有效地提高单个神经网络和多重组合神经网络的预测精度，能减小多重组合神经网络总的重数和训练时间。