灰色系统理论自创建以来得到广泛的应用,其理论体系随着研究工作的深入也得到了不断的创新。GM(1,1)模型是灰色系统预测的重要模型,很多学者从单方面对模型进行了改进,有的学者对序列光滑度进行了研究,提出了各种提高序列光滑度的算子,有的学者对初始值进行理论探讨,提出了改进初始值的各种方法,而背景值的改造更是理论的热点,也是理论的难点,这也是灰色GM(1,1)模型预测精度的关键之一。本文的研究目的就是集成单方面的研究,同时由于GM(1,1)模型具有弱化序列随机性、发掘系统演化规律的独特功效,将GM(1,1)模型融入一般模型,实现功能互补,突出优势,提高模型预测精度。本文的研究内容主要包括:(1)同时改进GM(1,1)模型的背景值和初始值,建立了改进的GM(1,1)模型,并通过实例对比验证,该模型比改进的背景值模型、改进的初始值模型预测精度高。(2)对于有波动的序列,再赋予数据相同的权重,会降低模型的预测精度,利用指数平滑法能对时间序列数据采取不等权重,对原始数据进行指数平滑,然后将其平滑值作为GM(1,1)模型的原始序列,建立了灰色指数平滑模型。算例证明灰色指数平滑模型的预测精度得到了提高。(3)利用回归预测方法对系统影响因素的分析,建立了灰色回归模型。并建立了吉林省农业总产值和农机总动力、化肥施用量的灰色回归模型,预测了2006-2008年吉林省农业总产值。(4)利用灰色序列通过累加生成能够降低序列随机性的特点,建立了灰色主成分模型,并引用算例证明,该方法比利用主成分分析法建立的回归模型精度高。本文综合利用GM(1,1)模型的各个要素,得到新的模型,很好的提高了灰色系统GM(1,1)模型特性,扩展了灰色系统理论的应用,为解决不确定系统预测提供了更为科学的工具,为解决农业经济系统问题提供了有力的手段。