我国经济从改革开放至今,有着前所未有的增长,尤其是近三十年来,增长速度明显提升,是同期全球经济增长最快的国家。伴随着党的“十三五”规划纲要的颁布,提出在2020年的时候,我国的经济要实现比2010年的时候翻一番。今天我国的经济已经有了有目共睹的成绩,我国已跃居为仅次于美国的全球第二大经济体。在这些举世瞩目的经济增长的背景下,使得国内生产总值（GDP）这一概念重新进入了人们的视野。GDP是展现国家或者地区经济增长水平最直观的指标,它展现出了经济的具体数值。而要想对经济变化有一个准确的把握,掌握经济变化趋势,从而做出一些经济决策,那么就需要对GDP的数值进行一个预测,这对于政府部门实施宏观调控有着一定的意义。由于GDP数据被许多因素所影响,属于一种非线性数据,而BP神经网络的最大优点就是它非常适合处理非线性特征的数据,所以适用于对GDP的预测,不过BP神经网络在预测过程中也存在一些缺点,基于此,本文对其加以改进,并引入了可以使各模型优势互补的组合模型,对陕西省的GDP做出预测,具体工作如下:考虑到BP神经网络在对GDP预测的过程中,模型经常会陷入局部极小值。而果蝇优化算法（FOA）属于一种新型的群智能优化算法,相比于其它的群智能算法它需要设定的参数不多,更易于实现,并且它的全局寻优能力特别强。所以本文选择使用果蝇优化算法优化BP神经网络的权值与阈值,再赋值予BP神经网络,以达到降低误差的效果。由于单一模型在解决预测问题时,会受到一些限制和约束,预测结果的精确度有待提高。组合模型可以在各个模型中取长补短,从而取得更优的预测结果。GDP的变化受多种因素影响,FOA-BP神经网络的预测残差存在一定的随机波动性。马尔科夫链（Markov）模型作为一种能够对未来状态进行预测的模型,它比较适合随着时间而随机波动的数据,因此本文将马尔科夫链预测模型与优化后的BP神经网络结合,建立一个组合模型,利用Markov模型对FOA-BP模型的预测值进行修正,实验数据选择陕西省1980年到2019年的四十年GDP数据,其中2010年到2019年期间10年的数据为测试集,同时选用均方误差（MSE）以及平均绝对误差（MAE）作为评价指标对预测结果对比分析。经过实证分析,本文所建立的组合模型预测结果显然更优,可以为政府进行经济决策宏观调控提供一些参考价值。