随着科学技术的日益发展，需要管理者决策的事物不断增多。因此准确预测事物未来的发展趋势对管理者做出合理的决策是十分重要的。　　 灰色预测模型是建立在“少数据”，“贫信息”的情况下，通过一次累加变换建模数据，将具有不明显变化趋势的原始数据经过累加后变得具有明显变化趋势，并用变换后的数据结合灰色差分方程与灰色微分方程建立模型，最后经累减还原得到拟合数据与预测数据。灰色模型适应于平滑数据，特别是数据呈单调递增趋势其预测效果好，对于单调效果不明显的数据其预测效果不理想。　　 经过近三十年发展灰色模型已经广泛地应用在各个领域中。因此，本文研究了Verhulst模型，多变量MGM(1，n)模型。在Verhulst模型基础上研究了Verhulst优化模型，在灰色多变量模型中研究了以IOWGA算子为工具的组合模型。通过实例验证模型的有效性。本文主要的研究内容和成果如下：　　 (1)在Verhulst模型中，针对Verhulst模型的辨识参数和初值对模型求解拟合值的误差；首先采用总体最小二乘法改善辨识参数，其次将总体最小二乘法(TLS)求出的辨识参数结合遗传算法求出边值修正项得到Verhulst优化模型。　　 (2)在多变量灰色预测模型中，首先利用灰色关联分析选择与我国能源消费量关联度较大的影响因素构建MGM(1，n)模型。其次用灰色关联分析选择出来的与我国能源消费量关联度较大的影响因素构建BP神经网络模型。最后以IOWGA算子为工具建立多变量灰色模型与BP神经网络的组合预测模型。　　 本文将优化Verhulst模型和组合模型应用到实际问题中。通过建立模型对实际数据预测，并分析预测结果，最后得出结论：构建的模型在实际应用中具有可行性与有效性，并可以为管理者提供决策支持的理论依据。