预测是一种根据已知数据在过去一定时间段内呈现出的发展的规律性对未来发展趋势进行描述的行为。近年来,预测被用到了很多领域,如电价预测、股票价格预测和气象预测等领域。然而传统的预测方法由于其精度不够高或速度不够快等问题,无法满足当今预测领域的需求。针对传统预测方法的问题,本文主要做了以下工作:1、本文基于组合预测的思想,提出两种灰色预测模型和极限学习机的组合预测方法。一种是灰色预测模型和极限学习机通过协方差优选组合方式组合而成的组合预测方法。另一种是基于强化学习的累积函数的思想,提出的一个新的组合权系数的求解方法,得到了新的灰色预测模型和极限学习机的组合预测算法。2、将两个组合权系数计算方法不同的灰色预测模型和极限学习机的组合预测算法在微软股票信息、TAC-SCM比赛中单项产品交易成交价、Mackey-Glass时间序列数据和台湾液晶屏制造业的制造数据4个实验数据集上进行实验验证,并与多种不同的预测方法进行比较,证明本文提出的两种方法在预测精度和预测速度上都有不错的表现。3、最后,将组合的灰色极限学习机预测算法应用于TAC-SCM供应链比赛中,用于解决比赛过程中的价格和需求量的预测问题。TAC-SCM供应链管理比赛是由美国卡耐基梅隆大学等大学联合主办,主要提供模拟真实的市场环境的平台,以便参赛者将人工智能的理论和方法等研究成果应用到供应链管理的过程中。通过比赛验证了灰色极限学习机预测算法在解决实际问题时的预测准确性和速度适用性。