时间序列分析在经济统计与预测中占有重要地位，到目前为止，大多数文献广泛采用ARIMA模型法对时间序列分析进行建模与预测，可是ARIMA模型法在模型识别时需要50个以上历史统计数据，这对按月、按季或按年记录的经济资料往往较难收集。如果数据少于50个，即所需建模的数据不充分，由ARIMA模型法得到的预测模型往往精度比较差。而数据不充分符合灰色系统建模的思想。 但是这些灰色模型的建立都要求数据不能过多，对10个左右的数据处理效果比较理想。为此，对个数较多的数据运用灰色系统模型时，本论文提出了一种新的灰色系统建模方法，即分离建模方法。该方法是，首先将原始数据序列适当地分成两组数据序列，并且对两组数据序列分别进行灰色建模；然后利用平易算子，分别用灰色模型求出两数据序列的预测值；最后，采用适当的数据融合办法，将两组预测数据进行融合得到最终的原始数据序列的预测值。 在此基础之上，同时在课题“济南市宏观经济监测与预警系统”中，数据个数最多只有24个，直接由ARIMA模型法预测所得到的结果不是太理想，本文提出了一类新的经济时间序列分析建模方法一灰色ARIMA模型法。设时间序列具有下列形式：ω(t)=x(t)+y(t)其中x 是原始数据序歹叫j的确定性趋势，八O是 （一的随机趋势。首先利用灰色分离模型法使时间序列平稳化，即利用灰色模型削去趋势项X（t厂得到的序列既是平稳时间序列y（t广然后利用AAIMA模型法对y（t）建模，最后得到原始数列叫t）的组合预测模型。 本论文共有三部分。第一部分主要介绍了灰色 GM门，l）模型和 AR IWi模型的一般建模过程；第二部分是主体，也是本论文的创新之处，讲述了用灰色分离模型法和 ARIMA模型法建立模型的过程；第三部分是模型的实证分析部分，对课题“济南市宏观经济监测与预警系统”中的数据用上述方法建立模型并进行预测，得到比一般灰色模型 GMO，1厅 AR Iffe模型更高的精度。