在社会经济、工业、农业、生态等系统中广泛存在着灰色系统。要把握灰色系统内各因素之间的联系及系统的变化趋势的一个重要基础是建立系统的数学模型，利用数学模型可以对灰色系统做预测、控制和决策。现有的灰色系统理论虽然解决了许多实际问题，取得了满意的效果，但应用统计建模方法和常规系统辨识方法建立的数学模型其精度难以达到要求，因此，灰色系统理论还需要进一步的完善和提高。论文根据灰色系统本身存在的特点，深入系统的分析了影响灰色模型精度的因素，对灰色模型作了一些改进，取得了有一定价值的研究结果： 作者认为数据序列的光滑度是影响模型精度的重要原因之一，在已有的几种提高数据光滑度方法的基础上，通过深入分析和实例仿真，研究并构建了一类变换函数—三角函数变换法，该方法既能提高生成数据序列的光滑度，又能减小逆变换误差，理论与应用实例证明生成的数据序列较原始数据序列具有更好的光滑性；背景值的构造方法也是影响模型精度的重要原因之一，进而从传统模型背景值构造的物理意义上，提出了基于梯形公式法和抛物线公式法的背景值构造新方法以及基于梯形中位线的背景值构造新方法，实践表明这些改进模型确实可以提高模型的拟合精度和预测精度；现有的GM(1，1)模型的结构决定了它只适合于一类特定的序列结构，即生成序列是指数序列，因此在应用中有一定的局限性。进而提出将灰色模型和马尔可夫链进行适当的组合，并将该方法应用到上海市日收盘指数的建模中，仿真结果表明该方法的有效性；最后，研究了灰色决策模型，提出了基于灰色关联贴近度的多目标层次决策，并把它应用在对我国几个地区的经济效益的排序中。到目前为止已有3篇论文被国内知名核心刊物录用。