随着预测技术的不断发展，关于预测的理论和方法已经有很多，但每一种单一预测模型都只是从某一个侧面去刻画数据序列的规律，都只反映序列的部分信息，都有其局限性。如果综合运用多种预测的方法进行组合预测，优势互补，最大程度地利用现有信息，就有望获得更好的预测效果。　　灰色预测模型最大的特点就是少数据建模.在信息不完全、不明确的条件下，灰色预测模型有其独特的优势。但是，灰色预测模型也有其固有的缺陷。灰色预测适合于较为平滑的数据，特别对具有单调递增趋势的序列，其预测效果好。它刻画了事物发展的趋势，但是对于随机波动较大的数据序列不能很好的刻画。因此，本文对灰色模型与其他模型的结合进行了分析和研究，建立了组合预测模型，并对我国粮食产量进行预测。主要研究内容和结果如下：　　1．考虑到影响粮食产量的因素之多，本文通过灰色关联分析理论，分析并计算粮食总产量与各影响因素之间的灰色关联度，然后对其进行排序，选择关联度较大的因素作为相关因素构建灰色GM(1,N)模型。　　2．灰色预测模型只能描绘出事物发展趋势，马尔可夫预测模型适用于随机波动的数据序列。运用马尔可夫模型去挖掘数据所包含的整体波动信息，并用它去修正灰色预测模型的预测结果，建立灰色马尔可夫模型(GMM)模型来提高预测的精度。　　3．将灰色新陈代谢GM(1，5)模型、多元线性回归模型和时间序列趋势模型优化组合，建立了基于对数灰关联度的加权几何平均组合预测模型。