通货膨胀是近年来经济学研究的重要课题，关乎国家经济发展、人民日常生活，而居民消费价格指数（CPI）是衡量通货膨胀的重要指标之一，用于衡量购买商品和服务的价格水平。若能准确预测CPI的变动趋势，就能通过提前采取相关措施来稳定物价，因此对CPI的分析研究也具有重要的现实意义。　　本文从内外两个维度分析CPI，建立了SARIMA模型和Elman神经网络模型，并在此基础上集合这两个模型的数据特点和预测优势建立组合模型，这样就能同时从线性模型与非线性模型、内部数据传导和外部影响因子驱动，这些不同角度刻画CPI的变化。本文的工作主要分为四个部分：　　第一，基于CPI自身数据建立SARIMA模型。通过实证分析确立模型的具体结构，并对CPI进行预测。　　第二，建立 VAR模型对 CPI外部影响因素进行分析。基于 CPI的传导机制筛选出对CPI有重要影响的外部因子，再利用VAR模型、Granger因果关系检验等步骤从中筛选出对CPI预测有显著影响的外部主要指标。　　第三，基于CPI及其主要指标建立Elman神经网络模型，并对Elman神经网络进行优化。其中Elman神经网络分三个方向优化：输入元、网络结构和算法。对结构优化的模型进行稳定性分析，并在改进模型基础上完成对CPI的预测。　　最后，结合 SARIMA和 Elman模型，建立组合模型，对 CPI进行预测。再建立误差评价标准，对三个预测模型进行精度分析。