预测是通过对历史事件进行研究并在此基础上建立系统模型，从而进行预测。随着科学技术的不断发展，预测方法已经得到了很大的发展，在预测实践中，时间序列往往呈现出一种高度复杂的动态且非线性状态，单一的预测方法已经不能很好地进行拟合预测。从这一现状出发，本文一方面提出了多种预测方法的修正方法，从而提高模型的拟合精度；另一方面，将不同的预测方法进行适当组合，从而形成组合预测方法，这将有利于综合利用各种方法提供的信息，有利于提高预测精度，其效果往往优于单一的预测方法，并且得到了广泛的应用。论文将所提出的改进及组合预测模型应用于股票市场，人口统计数据等不同领域，用实际数据拟合结果充分验证本文改进方法的有效性。本文主要对以下三个内容进行研究：首先，介绍了非线性共轭梯度法和组合预测模型的基本思想，系统地分析了时间序列模型的参数优化方法，然后提出了两种改进的非线性共轭梯度法并成功应用于时间序列模型的参数优化，即利用改进的共轭梯度法来优化参数模型并且用实例验证了改进方法的有效性和优越性。其次，介绍了灰色模型和神经网络模型，并且在此基础上形成了组合预测模型，然后用实例验证了这种方法是可行的。最后，在传统的时间序列预测方法的基础上，采用BP神经网络预测方法对其结果进行修正，然后用实例验证这种预测方法的组合模型完善了原来模型的预测结果，从而使数据处理更为有效。