随着以信息技术为核心的新军事变革的不断发展，油料保障的精确性、高效性对我军的后勤保障模式提出了新的更高的要求。油料消耗量的精确预测直接影响我军装甲部队后勤保障能力的提升，而传统预测模型精度不高，应用范围也有一定的局限，难以满足信息化战争“精确保障”的需要。基于此，“精确保障”业已成为未来战争油料保障工作急需解决的重大课题，更是现代军队后勤工作的重要内容。首先，详细论述了我军装甲部队油料消耗预测的依据，根据油耗历史数据，归纳分析得出影响装甲部队油耗的9个主要影响因素，将其作为预测模型的输入；简要介绍了建模和预测的基本步骤和采用的相关技术。其次，阐述了灰色关联分析的基本原理和求解步骤，论述了灰色关联分析的优势；介绍了GM(1,1)模型的基本思想和建模步骤，并采用“新信息替换旧信息”原则进行改进，使之更符合油料消耗规律；介绍了BP神经网络的结构，详细论述了其训练方法，并针对传统BP算法的缺陷，采用4种方法进行改进。再次，提出一种改进串联型灰色神经网络组合预测模型，将灰色模型的预测结果和影响装甲部队油料消耗的主要因素同时作为神经网络的输入向量，并用灰色关联分析确定油料消耗各影响因素的灰色关联度作为权重系数，使用BP神经网络模型实现预测值与实际值的最佳拟合。最后，分别对本文提出的预测模型及改进方法进行了实验检验。结果表明，灰色神经网络组合模型预测精度很高，能够较好的指导部队进行下一步的油料供管工作。