灰色预测模型是灰色系统理论的主要内容之一,它主要应用于具有“小样本”、“贫信息”特点的不确定性问题。与其他预测方法相比,灰色预测模型建模时所需的样本数量少,不需要样本存在特定的分布规律,模型简单,适用性强。近几年被广泛的应用到农业、经济、工业等许多领域。因此,研究灰色预测模型具有十分重要的意义。虽然灰色预测模型已被广泛应用,但仍需要根据现状进一步完善。本文以GM（1,1）模型为研究对象,通过对其适用范围和建模机理的分析,指出GM（1,1）模型的局限性。针对目前模型存在的适用范围有限、预测精度较低等问题,在总结现有GM（1,1）模型优化的基础上,提出了新的优化方法。首先,提出将人工蜂群算法（Artificial Bee Colony,ABC）用于模型背景值的优化,建立了人工蜂群灰色预测模型（ABC-GM）,并在MATLAB环境下,以2003-2014年我国电力消费量的统计数据为基础,进行实例验证,可以看出,优化后模型的预测精度受发展系数的影响程度较小,适用范围扩大,而且预测精度与原始GM（1,1）模型相比,提高了约0.5%。其次,在人工蜂群灰色预测模型（ABC-GM）的基础上,本文又提出了最优输入序列的概念,建立了新模型（IABC-GM）,经过实例的验证,相比GM（1,1）模型和ABC-GM模型,IABC-GM模型的预测精度分别提高了 1.92%和1.43%。