La regresión lineal es el uso de funciones lineales para modelar la relación entre una variable dependiente y una o más variables independientes. Los modelos de regresión lineal se han utilizado ampliamente en diversos campos como finanzas, industria y medicina. Para abordar el problema de que el modelo de regresión lineal tradicional es difícil de manejar con datos inciertos, proponemos un modelo de regresión de red elástica basado en gránulos. Primero construimos gránulos y vectores granulares mediante métodos de granulación. Luego, definimos múltiples reglas de operación granulares para que el modelo pueda manejar efectivamente datos inciertos. Además, se definen la norma granular y la norma del vector granular para diseñar la función de pérdida granular y construir el modelo de regresión de red elástica granular. Después de eso, realizamos la derivada de la función de pérdida granular y diseñamos el algoritmo de optimización de descenso de gradiente de red elástica granular. Finalmente, realizamos experimentos en los conjuntos de datos de UCI para verificar la validez de la red de elasticidad granular. Descubrimos que la red de elasticidad granular tiene la ventaja de un buen ajuste en comparación con el modelo de regresión lineal tradicional.