自1981年灰色系统理论提出以来,经过30多年的探索研究,灰色系统理论已经逐渐成为研究和分析不确定系统的重要理论和方法体系,而灰色预测是灰色系统理论的核心部分之一,主要通过对“部分”已知信息的处理,减弱其随机性,构建具有部分微分部分差分的灰色预测模型,描述系统信息累积的过程,从而预测了系统的发展趋势。随着灰色预测理论的发展,灰色预测模型的不断优化与拓展。同时,随着数据搜集技术的发展也带来了许多新型数据,其中,由于成分数据能对系统结构性、系统成分差异性及关联关系进行综合分析,并且能够揭示绝对数据背后的相对信息,受到了愈来愈广泛的关注。但是成分数据的“定和”特征,使传统的预测模型难以实现对结构数据序列的有效预测,特别是基于贫信息特征的成分数据预测问题缺失有效的模型。基于此,本文将成分数据分析和灰色预测模型相结合,构建可预测具有贫信息特征的系统结构发展趋势。研究主要内容包括:一是构建基于成分数据的灰色预测模型。通过现有的成分数据变换处理方法,消除成分数据的“定和限制”,将其数据转化至欧氏空间,使传统的灰色预测模型能够实现对成分数据的预测,拓宽了灰色预测模型的适用范围。二是提高预测模型的预测效果。尽管是贫信息系统的成分数据,但由于成分数据是整体结构性数据会受系统内部分量或外部不确定因素的影响,其变化规律不是单一的,因此需要对第一类模型进行修正,恢复原始成分数据的隐含特征,以此提高模型的预测效果。本文针对现有的灰色预测模型无法直接对成分数据进行有效预测的问题,构建了基于成分数据变换的GM(1,1)模型。在建模过程中,利用成分数据变换处理方法消除成分数据的定和约束,实现对成分数据序列的预测。但是考虑到成分数据是反映系统结构性的数据,受整个系统及系统各分量的干扰,在不同时期会呈现出不同的变化规律,而GM(1,1)模型只是能够有效预测单一指数变化的序列。因此,本文考虑了成分数据的随机波动性和周期性,引入马尔科夫理论和傅里叶级数,对基于成分数据变换的GM(1,1)模型进行改进,提出基于马尔科夫链与傅里叶级数的修正GM(1,1)模型,弥补了GM(1,1)模型预测单一指数率数据的缺点。最后,利用构建的模型对我国能源消费结构进行了实证分析,检验所构建模型的有效性与可行性,通过分析发现修正后的模型预测效果有所提高,同时利用修正GM(1,1)模型对我国未来5年的能源消费结构进行预测,并且针对预测结果提出相应的对策建议。本文需要完善的地方主要有以下几点:现有模型只能通过应用以实际结果的比较分析来选择较优的成分数据变换处理方法,对于成分数据变换处理的机理比较还需进一步研究;其次,本文只考虑了原始成分数据的随机波动性和周期性,进行灰色预测模型的修正,对于成分数据的其他变化特征的修正灰色预测模型还有待进一步研究构建;最后,本文只选用了GM(1,1)模型来研究,那么将其他灰色预测模型有效地应用于成分数据序列的预测也需要进一步的探讨。