本文首先对灰色预测建模和神经网络理论及各自的优缺点进行了分析研究,充分利用了灰色预测建模所需信息少、方法简单的优点和神经网络具有较强的非线性映射能力的特点,采用最小二乘法先确定灰色微分方程中参数的初始值,从而得到网络的初始权值及阈值,进而得到了预测精度更高且方便使用的灰色神经网络模型。然后,针对基于离散响应函数建立的灰色神经网络模型存在的问题,提出了基于时间响应函数建立灰色神经网络模型的方法,并对现有的一阶灰色神经网络的拓扑结构进行改进,同时为了提高网络的收敛速度,一是将灰色预测建模中的初值进行了修正,二是在修改权值时采用逐渐减小学习速率的方法。最后,结合中国环境科学研究院主持的课题《深圳市空气污染控制规划研究》,利用深圳市的污染物浓度监测数据建立了基于GNNM(1, 1)、GNNM(2, 1)的空气污染指数预报模型,进行了上述研究成果的分析验证,表明灰色神经网络模型可以作为空气污染预报的有效工具。