灰色组合预测模型是组合预测理论中的主要研究方向之一,灰色模型与其他模型的有机结合是灰色组合预测模型的重要内容。本文对灰色预测模型和神经网络的基本概念和建模机理进行分析,并对灰色GM(1,1)模型、灰色Verhulst模型和BP神经网络的结合方式进行研究,建立了将灰色系统和神经网络相结合的组合预测模型,分别提出了基于灰色GM(1,1)模型与BP神经网络的组合预测模型GM-BP1和GM-BP2,基于灰色Verhulst模型与BP神经网络的组合预测模型Verhulst-BP,并分别通过实验验证了三种方法的有效性和可行性。具体如下：(1)基于灰色GM(1,1)模型与BP神经网络的组合预测模型GM-BP1:通过对原始数据序列建立GM(1,1)模型得到误差序列,进而用BP神经网络对误差序列进行回归训练获取预测误差序列,最后将GM(1,1)模型预测值与预测误差相加得到新的预测值。该模型通过对GM(1,1)模型预测值的误差进行修正,使模型精度得到了明显的提高。(2)基于灰色GM(1,1)模型与BP神经网络的组合预测模型GM-BP2:分别利用原始数据的部分数据序列来建立部分数据GM(1,1)模型组,借助BP神经网络建立这一部分GM(1,1)模型组计算所得到拟合值与原始数据之间的非线性映射关系,通过训练生成的网络对GM(1,1)模型的发展趋势作出估计,通过组合预测来提高模型在中长期预测中的预测精度。(3)基于灰色Verhulst模型与BP神经网络的组合预测模型Verhulst-BP:将GM-BP2模型中BP神经网络与GM(1,1)模型结合的方式推广到BP神经网络与灰色Verhulst模型的结合上,使其不仅能处理S型饱和数据序列或单峰值序列,而且较传统Verhulst模型具有更好的预测精度。