二重趋势时间序列是商业和经济领域中常见的时间序列，准确的预测无论是对制定商业决策还是确定经济调控政策都具有重要的意义。二重趋势时间序列具有的长期趋势性和季节波动性在很大程度上增加了预测的难度与复杂度。采用一种单一的预测方法很难拟合序列的二重趋势，并且不能获取与序列相关的全面的信息。为了充分利用各种模型的优势，达到满意的预测效果，就需要组合预测模型将单一模型有机结合起来。　　 目前组合预测的研究都关注在单一模型的选择及权重的确定上，忽略了单一模型间的线性关系以及单一模型与时间点间的相互关系对预测效果的影响。从这个角度出发，本文考虑了单一模型及时间点间的相互作用，并把其作为自变量，这样自变量间就存在很强的线性相关关系，因此适宜采用偏最小二乘法(PLS)对自变量进行组合，来提高预测精度。　　 首先，本文通过阐述研究背景与意义，在相关理论的研究综述的基础上，选取了三个单一预测模型——Holter-Winter季节乘积模型、SARIMA和时间序列分解法，并引入虚拟变量对时间序列分解法进行改进，为后文组合预测奠定基础;然后，本文提出基于PLS的组合预测的建模思路，并阐述相应的建模步骤;最后通过该组合模型在某省卷烟月销量预测中的应用研究，检验基于PLS的组合预测在二重趋势时间序列中的可行性。　　 为了对模型的预测效果进行全方位的综合性衡量和评价，本文不仪采用基于误差的评价指标和拟合度指标评价预测模型的预测精度和拟合效果，又将该模型与传统定权重组合预测模型进行对比，全面客观地评价预测方法。结果表明，在对二重趋势时间序列的预测中，该模型能够显著提高预测的精度，具有很好的预测效果。