针对汽车保有量数据具有非线性和随机性的特点,建立基于Simpson公式的灰色神经网络模型对汽车保有量进行预测研究;利用Simpson公式对经典GM(1,1)灰色系统的背景值进行改进以提高模型的预测精度;通过相关性分析,确定国民总收入、人均国内生产总值、总人口、固定资产投资、进出口总额、钢材产量、社会消费品零售总额7个因素为汽车保有量的影响因素,并将7个影响因素作为BP神经网络的输入,建立BP神经网路模型;根据灰色系统和BP神经网络预测误差的大小确定组合模型的权重,构建灰色神经网络组合模型;对比分析经典GM(1,1)、Simpson公式的GM(1,1)、BP神经网络、灰色神经网络、Simpson公式的灰色神经网络模型的计算结果。研究表明:基于Simpson公式的灰色神经网络预测精度最高,其相对误差均在3%以内,相对误差的方差为3.2780%,小于灰色神经网络模型和单一预测模型。