随着社会经济的不断进步,人们所面临的问题更趋于复杂,所能获得的信息也越来越具有不确定性,呈现出“小样本,贫信息”的特征。有些面板数据也表现出这样的特点,我们称之为灰色面板数据。大多数的聚类方法都要求有大数据量,在数据量较少的情况下容易失效,而灰色聚类恰好可以解决对小样本数据聚类的失效问题。但现如今相关研究成果主要集中于点值形式的面板聚类,如何对灰色面板数据进行聚类,据笔者所知,还未有学者进行深入完整的探索。本文通过对常见的灰色聚类（灰色关联聚类、白化权函数聚类）方法进行研究,提出了基于灰色面板数据的两种灰色聚类方法,并将灰色面板数据的白化权函数聚类方法应用到杭州等八个主要城市的空气质量评价中,具体研究内容从以下几个方面展开:（1）介绍了灰色面板数据的概念,并构建出基于灰色面板数据形式下的灰关联聚类方法。具体包括:对区间灰数进行实数化转换,来构建基于区间灰数的灰色关联度,并引入广义灰关联的思想,将计算得到的不同时刻下的灰色关联度矩阵进行集成,并依据临界值进行聚类。最后通过一个算例,证明了方法的有效性与可行性。（2）构建了基于灰色面板数据形式下的白化权函数聚类方法。首先对白化权函数进行拓展,推导出一种基于区间灰数的白化权函数。之后针对现有权重确定方法无法应用于灰色面板数据的问题,对其适用范围进行拓展,提出了一种扩展的灰色面板数据的聚类权系数确定方法。并根据新信息优先原理,将不同时刻的灰色聚类系数矩阵进行集成,得到综合灰色聚类系数矩阵。最后根据灰色聚类系数最大原理判断对象所属灰类。（3）将基于灰色面板数据的白化权函数聚类方法应用于杭州等八个主要城市的空气质量状况评价中,并根据评价结果给出了相应的建议,证明了该方法的科学性、可行性与有效性。