在现代处理器开发中,早期空间探究设计是一个重要的因素。多核处理器的趋势导致了大规模体系结构底层的复杂性和异构性。随着多核处理器时期的到来,体系结构的设计、评价和最优化都要求了新的不同于传统集中式的单块集成电路结构的分析方法。现存的方法缺乏了精确有效预测大型分布式底层体系结构复杂行为的能力,而这种缺陷将随着集成范围的快速增长而加剧。现提出一种基于灰色神经网络和小波变换技术的有效预测模型,这两种技术的结合能在空间设计探究阶段代替传统的逐条模仿而有效捕获大型复杂多核体系结构的特征。灰色系统理论和神经网络模型是目前广泛应用的两种数据预测方法,通过对这两种理论方法的研究发现,两者在信息表现上存在一定的相似性,同时,两者之间也存在差异性和互补性。故将灰色系统和神经网络有机融合,形成灰色神经网络模型,能弥补单一使用这两种模型时的不足,达到优良的数据处理和预测效果。本文在介绍灰色系统和神经网络相关理论以及两种方法几种融合方式的基础上,提出一种新颖的灰色神经网络模型,该模型将改进GM(0,N)模型和改进RBF神经网络有机融合,构成SGRBF模型,结合了灰色模型小样本预测和不要求样本数据具有特定分布的特点,以及神经网络良好的非线性逼近能力、学习速度快和并行处理等优点,取长补短,优势互补,从而能更好地解决小样本数据的预测问题。将提出的灰色神经网络模型应用到多核体系结构的空间探究中,具体是用来预测二维体系结构特征经过小波分析后所得到的二维空间参数,实验结果表明我们提出的模型能以小样本数据得到较高的预测精度,同时具有良好的稳定性和可靠性。另外,将灰色神经网络应用到多核体系结构的空间探究之中,为灰色神经网络的应用拓宽了应用范围,也为多核处理器的参数设计提供了一种新颖有效的方法,具有非常重要的现实意义。