1、古人云“凡是預(yù)則立，不預(yù)則廢”，為了促進經(jīng)濟、社會的高效穩(wěn)健的發(fā)展，研究分析現(xiàn)有的社會經(jīng)濟狀態(tài)，以事物發(fā)展的歷史和現(xiàn)狀為出發(fā)點，以調(diào)查研究資料和統(tǒng)計數(shù)據(jù)資料為依據(jù)，在對事物發(fā)展進行深入的定性分析和嚴密的定量計算的基礎(chǔ)上，研究并認識事物的發(fā)展變化規(guī)律，進而對事物的未來變化預(yù)先作出科學(xué)的推測是相當(dāng)必要的。將多種預(yù)測方法結(jié)合起來，較之單一的預(yù)測方法來說可更大限度的綜合利用各種方法所提供的信息，盡可能地提高預(yù)測的精度。 本文主要介紹了灰

2、色神經(jīng)網(wǎng)絡(luò)和支持向量機兩種預(yù)測模型的理論基礎(chǔ)和建模過程。通過比較、分析灰色系統(tǒng)與神經(jīng)網(wǎng)絡(luò)的區(qū)別與聯(lián)系、支持向量機與神經(jīng)網(wǎng)絡(luò)的區(qū)別與聯(lián)系，得出灰色系統(tǒng)、神經(jīng)網(wǎng)絡(luò)、支持向量機三者具備結(jié)合的可能性且結(jié)合后的組合預(yù)測模型的效率比單一模型要高的結(jié)論。 本文提出兩種新型預(yù)測模型并將新型模型應(yīng)用到實際系統(tǒng)中以檢驗?zāi)Ｐ偷念A(yù)測精度及其泛化能力。第一個模型是基于結(jié)構(gòu)風(fēng)險的灰色補償神經(jīng)網(wǎng)絡(luò)模型（GRBFNN），其核心思想是將結(jié)構(gòu)風(fēng)險最小化原則應(yīng)用到R

3、BF神經(jīng)網(wǎng)絡(luò)的建模過程中，利用支持向量直接獲得RBF函數(shù)中心和隱藏層節(jié)點數(shù)。然后用基于結(jié)構(gòu)風(fēng)險的RBF神經(jīng)網(wǎng)絡(luò)去補償灰色GM（1，1）模型，從而達到得提高神經(jīng)網(wǎng)絡(luò)預(yù)測精度和泛化能力的目的。第二個模型是基于灰色關(guān)聯(lián)的灰色支持向量機模型，其核心思想是利用灰色系統(tǒng)理論中的主要方法之一灰色關(guān)聯(lián)度（GRA）從模型的眾多因子中篩選出主因子，然后將主因子作為輸入因子利用灰色系統(tǒng)理論中的一階生成數(shù)列（1—AGO）建立灰色支持向量機預(yù)測模型（GSVM）。