近些年来,计算机技术和数据库技术都有长足进步,对数据挖掘技术的研究越来越深入,技术的应用也越来越广泛。同时,由于单个数据挖掘算法功能有限,不可避免会有不足之处,于是将多个数据挖掘算法结合起来,构成组合模型进行组合预测。新的模型吸收单个模型的优点、克服单个模型的缺点,取长补短,有更好的模型预测性能,现已成为数据挖掘领域一个重要的研究方向。灰色神经网络是一种典型的组合预测模型,它将灰色预测模型和神经网络预测模型组合,根据这两个单个模型的特点对建立的组合模型进行改进和优化,使新模型具有更好的预测性能。组合而成的灰色神经网络模型能克服灰色预测模型不能进行自我反馈调节、神经网络模型易陷入局部极小且收敛速度慢的缺点,具有更好的预测效果。目前,灰色神经网络预测模型已经成功应用于数据挖掘、模式识别和机器学习等领域。本文中,详细介绍几种数据挖掘模型及其预测原理,对常用的灰色算法和神经网络算法的研究概况、应用和算法原理进行介绍,分析这两种典型数据挖掘算法的优缺点;详细介绍灰色神经网络算法及其关键技术,并着重研究和分析灰色神经网络算法的原理以及灰色神经网络预测过程中存在的问题,并在前面研究的基础上提出模型的改进和解决方案,建立GNNM(0, N)型灰色神经网络模型并对模型参数进行改进;最后,选取丹江口库区郧西地区历年土壤侵蚀数据为实验数据,Microsoft Visual Studio C#和Microsoft SQL Server为开发工具,运用改进的灰色神经网络算法,完成土壤侵蚀的定量预测。改进模型节省约20%模型训练时间,并且改进模型预测结果中70%比原模型好,改进模型的预测性能得到较大提高。