GDP作为衡量一个国家及一个地区经济发展重要指标,用相关知识进行定量分析了解其特点,掌握其发展趋势,相关部门可以根据此值制定相关经济政策进行调控。通过分析GDP数据也可来检测制定的宏观政策科学性和有效性,对未来经济发展趋势准确把握有实际意义。本文介绍ARIMA模型、BP神经网络和组合模型相关理论和实际运用,主要通过对重庆市GDP实证分析找到拟合GDP最优模型,然后根据最优模型做出预测。选取1997-2017年重庆市GDP作为研究样本,把1997-2014年的GDP数据作为训练样本,2015-2017年的GDP数据作为测试样本,用平均绝对百分比误差(MAPE)、泰尔不等系数、预测误差的标准差(SDE)、预测精度四种评价标准来对模型测试结果进行评价。首先根据AIC准则确定模型最优参数,确定最优的ARIMA模型。其次在构建BP神经网络时加入动量因子对其网络进行优化,根据测试结果再次利用神经网络拟合的误差构建一个神经网络来对误差进一步修正来充分提取序列信息。最后利用等权法、简单加权法、误差平方和倒数法、误差方差均方倒数法四种方法赋予单个模型不同的权值组成一个新的组合模型,然后对7种模型进行对比分析得到最优模型。通过实证分析表明ARIMA模型、修正BP神经网络都适合拟合重庆市GDP,修正后的神经网络的拟合效果优于ARIMA模型和修正前的神经网络模型。从组合模型结果分析可知组合模型在一定程度上可以提高单项模型的精度优于单一模型。在进行对单个模型进行组合时,权重的赋予方式不同其结果也不同。最后通过本文涉及到的7种模型对比分析,得到本文最优的模型是用误差方差均方倒数法的组合方式把ARIMA模型和修正的神经网络组合起来的模型。最后利用最终模型对2018-2020重庆市GDP进行了预测。