灰色系统理论,是研究那些既无经验,数据又少的不确定性问题,即“少数据不确定性”的问题,灰理论研究的宗旨是“强调信息优化,研究现实规律”。灰理论预测模型有GM(1,1),多变量灰模型GM(1,N),灰色Verhulst模型等。遗传算法(Genetic Algorithm)是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型,是一种通过模拟自然进化过程搜索最优解的方法。在数据挖掘里,遗传算法已经得到广泛的应用,灰理论也逐渐的显现了它的特点,把两个理论结合在一起对数据进行有效地挖掘和预测是一个发展方向。论文的课题来源于国家自然科学基金重大项目非规范知识处理的基本理论和核心技术中,对生猪猪肉的价格预测研究。生物的生长都会有一定的周期,养殖户如果能够预期到所饲养的东西(如生猪)在上市时的价格涨幅,就能够做出是否要卖出,使自己的利益获得最大化。影响价格波动的因素有许多,如相关原材料价格,政府的宏观调控,供应商的自我保护等,但是短期的价格是有一定规律的,也是可预测的。当知道预期价格后,就能给相关人员指定策略提供有效帮助。影响生猪的价格有猪仔的价格,玉米的价格,豆粕的价格,如果利用GM(1,1)预测模型,只是利用以往的生猪价格经行单一预测,没有很好的体现出其它因素的对生猪价格影响,而且往往是预测的值即使做了残差处理也与实际的价格存在一个难以接受的偏差。灰预测模型GM(1,N)通过灰关联度找到影响价格的主因素,进行数据预测。但是白化背景值是根据均衡原理确定的,这样又把影响价格的因素给弱化了。利用遗传算法对GM(1,N)模型采用自适应方法搜索合理的白化背景值,利用差分格式对GM(1,N)进行改进、推广,让与生猪价格关联度最大的因素突出自己使价格预测与实际值更加接近。