本文主要研究SARIMA 模型在月平均温度时间序列中的应用.1、使用邢台54-09 年逐月平均温度时间序列进行SARIMA 建模，旨在对黄文杰等[1]用上海1952-1975 年共12 年逐月温度资料进行SARIMA 建模的验证；2、考虑到近十年来出现的全球变暖现象，考虑到温室效应、城市发展等因素影响，在邢台54-09年年平均温度距平图上发现，从92 年至今，出现明显的正距平区域，于之前的正负距平交替区域和近似0距平区域形成鲜明对比，经过计算发现使用92 年至今的数据建立SARIMA 模型有助于提高SARIMA 模型的预测准确率，也可以更准确把握全球变暖、城市发展等原因对月平均温度的影响，这对传统的谐波分析等温度序列的分析，也有启发意义；3、BP 神经网络和SARIMA 模型的组合模型，是对天气系统研究的一种新的尝试，用来研究天气系统这种复杂性和高度非线性的系统和地面月统计观测数据一起对月平均温度的影响，以揭示天气系统变化表现在月平均温度上的内在规律，虽然BP 神经网络模型的预测结果不理想，但组合模型的预测仍优于传统谐波分析方法的，考虑到BP 神经网络的非线性映射能力、泛化能力和容错能力，我们仍需要在增大样本和输入输出层的选择上做继续深入研究.