针对电力行业内传统网络安全预测无法全面反映系统整体状况,预测精度不高的缺点,提出了一种网络安全预测方法。首先,对企业内的网络安全事件进行分析,运用层次分析法(AHP)构建网络安全的指标体系,并对样本数据进行过滤与处理,考虑异常值的分布序列结构:然后使用灾变灰预测进行模型的建模；最后对预测结果使用神经网络方法进行改进,从而达到提高预测精度的目的。通过仿真实验,表明基于残差改进的灾变灰预测方法的可行性和有效性。本文主要成果如下：1对企业网络安全相关数据进行定期地采集,并进行分析整理,使用主成分分析法(PCA)提取出包含信息量较大的因素构成评价指标,将此作为企业网络安全预测的基础；2对过滤后的信息进行处理,运用层次分析法(AHP)得出指标权重,构建网络安全评价的指标体系,为日后企业网络安全工作的开展提供依据；3在样本数据分析的基础上,通过对神经网络方法及灰色模型方法的综合比较应用,提出一种适用于行业现状的预测模型,并进行数据处理,作为预测模型的输入,采用灾变灰预测模型对时间序列进行预测,并将结果代入神经网络模型进行修正,得到准确的网络安全预测值。