【摘要】社会消费品零售总额具有非线性、非平稳性特点，单一模型很难准确预测。此外，预测误差中蕴含着有价值信息，而现有预测方法往往忽略这些重要信息。为此，本文遵循“先分解后集成”建模思路，并引入误差校正方法，构建了基于VMD-DE-LSSVM误差校正组合预测模型。首先通过变分模态分解(VMD)将原序列分解，再利用差分进化算法(DE)优化的最小二乘支持向量机(LSSVM)对分解得到的子序列分别预测，并将预测结果集成得到初步预测值；然后利用VMD-DE-LSSVM模型对初步预测误差进行同步预测；最后通过误差预测值对初步预测值进行校正。实验结果表明该模型预测精度显著优于其它对照模型，不仅能有效解决社会消费品零售总额的非线性和非平稳性，还能充分利用误差序列中蕴含的有价值信息。