近二十年来,产业集群(Industrial Clusters)已逐渐成为区域经济学,产业经济学等研究领域的热门课题。产业集群提高区域创新能力和企业的竞争优势,同时也暴露了许多不稳定的因素,产业集群的发展面临着巨大的风险。经济学家们对产业集群的风险开展了大量的研究工作,特别是对集群风险成因、风险的表现形式和风险的预防和解决措施做了深入的探讨。这些研究工作为产业集群风险分析提供多层次的研究角度和研究方法;但是这些研究大部分是定性的分析,很难对集群能力面临风险的大小、抵抗风险能力的强弱作出准确的评价。本课题在借鉴前人研究成果基础上,通过对产业集群主要风险的分析,按照全面、简单、易操作等原则,提炼出评价集群风险的指标体系;并结合灰色理论和BP神经网络构建了产业集群风险的定量评价模型。灰色预测模型GM(1,1)形式比较简单,可利用较少的数据建立预测模型。建模和计算都很方便,但灰色预测模型预测波动性较大的物理系统的效果并不十分理想,而且预测结果精度随时间的增加逐渐下降。本论文针对上述的GM(1,1)模型的局限性,利用BP神经网络算法进行了改进。由于非线性系统的预测性能很明显,但其训练神经网络的时候需要以大量的样本数据作为基础。因此BP神经网络针对其特点,在本论文基于灰色预测模型简单算法、建模所需数据较少的特点和BP神经网络具有良好的非线性预测性能的特点出发,将以上两种预测模型有机地结合起来,提出了适用于产业集群风险预测的数学模型。最后结合具体的长沙高新区机械产业集群的实例,用本文所建立的模型进行了风险预测。预测结果表明,该组合模型在充分发挥两种预测模型单独预测时的优点的同时也弱化了它们单调预测时的各自的缺点,而且预测的结果比单一的预测结果具有更高的精度,也更加符合产业集群风险因素的变化趋势。