随着人们生活水平的提高，体域网作为物联网的重要分支，正在展现出越来越广阔的发展空间和市场前景。目前，对于体域网的许多方面研究还处于初级阶段。节点运动轨迹预测是体域网中进行数据融合、路由控制，特别是功率控制的基础，对延长体域网的生存期和保持网络的连通性具有重要的意义，有较好的研究价值。本文以体域网中节点的运动轨迹预测为研究对象，提出了一种基于灰色模型的体域网节点运动轨迹预测方法。该方法在预测的准确性、实时性及计算量等方面均适应于体域网的应用场景。首先，为了解决将灰色预测方法应用于“冲击扰动”后出现的定性分析与定量分析不一致的问题，本文在“缓冲算子三公理”构成的公理体系下，构造了一种可变权重的缓冲算子。缓冲算子的调节度能够随算子中参数的变化而变化。这种缓冲算子在可变权重的取值区间不同时分别是弱化缓冲算子和强化缓冲算子；且弱化缓冲算子的调节度与权值的取值同方向变化，强化缓冲算子的调节度与权值的取值反方向变化。为权值的合理调节找到了依据。然后，根据本文提出的算子的特性，在预测时增加了一种自适应的调整缓冲算子权值的策略，使得当权值取值不同时，能够分别进行弱化和强化缓冲。体域网环境下节点轨迹预测的载体是节点本身。以往文献中多使用遗传算法进行参数寻优或是根据经验指定的方式确定缓冲算子的参数，考虑到节点本身计算能力差、存储空间小、难以人工监控的特点，上述两种方法在体域网环境下均难以适用。由此，提出了该策略。它能够根据本次输入数据的变化趋势，自适应的调整缓冲算子的权值，从而实现对缓冲算子作用强度的自适应调整。该策略实现了对预测模型无须人工干预的自适应调整，在计算量增加极为有限的前提下，增加了建模的精确性。最后，将本文提出的预测方法在微软公司提供的MSR Daily Activity3D数据库上进行实验。该数据是由微软公司发布的Kinect设备收集的人体日常行为运动数据，具有一定的代表性。通过在该数据上进行预测实验，加入本文构造的缓冲算子以后，预测准确性相比于传统的灰色预测方法有了一定程度的提高；接下来，通过融合本文提出的自适应调整缓冲算子权值的策略，预测准确性有了进一步的提升。