本征灰色系统是指没有物理原形，运行机理不明确，信息不完全和不确定的系统。本征灰色系统其外部表现为结构关系的模糊性，动态变化的随机性，数据的不完全性和不确定性。社会经济、工业、农业、生态等系统中广泛存在着本征灰色系统。对现实中广泛存在的本征灰色系统，要深刻研究系统内部的运动规律，揭示系统内各因素之间的联系，把握系统的变化发展趋势，对系统进行预测和控制，一个重要的基础工作是建立系统的数学模型。通过建立系统的数学模型，可以获取系统结构、功能和行为的有关信息，为对灰色系统进一步实行预测、控制和决策提供科学的理论依据。由于本征灰色系统在数据上呈现为小样本、贫信息、不确定性的特点，应用统计建模方法和常规的系统辨识方法所建立的数学模型其精度难以达到要求，现有的灰色系统理论虽有很大进展，且已解决了许多实际问题，但仍存在不少问题，亟待完善。论文根据本征灰色系统的特点，对数据进行相关分析，在排除异常数据对建模工作影响的基础上，寻找到了合适的数据变换函数，挖掘并生成了新的信息，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；进而对影响灰色模型精度的原因进行了分析，提出了基于插值和Newton-Cores公式的背景值构造新方法、精确背景值构造方法、修正初值法、时变初值法及残差马尔柯夫模型修正法等改进灰色模型方法；又在数学机理方面对GM(1，1)做了深入的研究，基于严格积分定义和原始数据序列的指数特性，提出了几种模型精确解的方法；最后研究了灰色模型和人工神经网络模型不同组合结构和算法，提出了灰色Verhulst神经网络模型、DGNNM(2，1)及GNNM(1，1，t)。这些改进的灰色模型都得到了成功的应用，研究成果已在《系统工程理论与实践》、《仪器仪表学报》、《纺织学报》等国家一级学报发表(论文10篇)，理论与实践表明这些改进模型可以有效地提高模型的拟合精度和预测精度。