价格预测算法的研究，作为供应链管理的出价订制中不可或缺的一部分，对于未知价格进行模拟并形成相应订单提供了理论和实践支持，本文通过分析供应链历史成交价，建立组合模糊神经灰色预测算法对其进行模拟，预测其发展规律，为供应链订单出价提供数据支持。不同的预测方法在处理信息时注重点不同，如果单纯地使用单一预测算法，如此会舍去某些有用的信息，导致预测不全面以致预测精度下降。所以如今常结合多种预测算法综合预测。组合预测算法通过全面综合的分析预测模型，在预测时候减少对于影响因子的丢失，更大程度上分析预测样本各类信息，从而提高预测的精度。目前，组合预测模型通过在各个领域中运用，并取得了良好的成效。GM(1,1)模型因其基于“小样本量”和“不全信息”分析的品质，简单实用等优点，从而在灰色预测中占有重要的一席之地，且适用于供应链历史信息少，不完整的模型，所以将灰色算法与其他预测算法进行结合，发挥组合算法互补的特点，综合各类算法功能特点。本文的主要创新点和贡献有：为了解决灰色预测在预测较长数据时，会导致预测精度不足的缺陷，本人引入了模糊神经网络预测算法，首先将历史数据进行分段灰色预测，将预测误差形成长期训练集通过神经网络训练学习得出预测精度误差，通过误差值修正灰色预测值。这样既保留了灰色预测短期预测的优点，又发挥神经网络预测的学习机制，形成组合预测算法以达到提高预测精度的要求。最后将组合的模糊神经灰色预测算法应用于解决TAC-SCM供应链比赛中价格预测问题中，经过多组实验证明了模糊神经灰色预测算法在预测问题上的准确性。