灰色预测模型（数学建模）

灰色预测模型理论：

灰色预测模型（Gray Forecast Model）是通过少量的、不完全的信息，建立数学模型并做出预
测的一种预测方法.当我们应用运筹学的思想方法解决实际问题，制定发展战略和政策、进行重大
问题的决策时，都必须对未来进行科学的预测，预测是根据客观事物的过去和现在的发展规律，
借助于科学的方法对其未来的发展趋势和状况进行描述和分析，并形成科学的假设和判断。

灰色系统理论是研究解决灰色系统分析、建模、预测、决策和控制的理论.灰色预测是对灰色系统
所做的预测.目前常用的一些预测方法（如回归分析等），需要较大的样本.若样本较小，常造成较
大误差，使预测目标失效.灰色预测模型所需建模信息少，运算方便，建模精度高，在各种预测领
域都有着广泛的应用，是处理小样本预测问题的有效工具.

灰色系统的特点：

 （1）用灰色数学处理不确定量，使之量化.
（2）充分利用已知信息寻求系统的运动规律.
（3）灰色系统理论能处理贫信息系统.

灰色生成：

 将原始数据列中的数据,按某种要求作数据处理称为生成. 客观世界尽管复杂,表述其行为的数据可能是杂乱无章的,然而它必然是有序的,都存在着某种内在规律,不过这些规律被纷繁复杂的现象所掩盖,人们很难直接从原始数据中找到某种内在的规律.对原始数据的生成就是企图从杂乱无章的现象中去发现内在规律.常用的灰色系统生成方式有: 累加生成,累减生成,均值生成,级比生成等,下面主要介绍累加生成。

累加生成：（跟前缀和相似）

累加生成,即通过数列间各时刻数据的依个累加以得到新的数据与数列.累加前的数列称原始数列,累加后的数列称为生成数列.累加生成是使灰色过程由灰变白的一种方法,它在灰色系统理论中占有极其重要地位,通过累加生成可以看出灰量积累过程的发展态势,使离乱的原始数据中蕴含的积分特性或规律加以显化.累加生成是对原始数据列中各时刻的数据依次累加,从而生成新的序列的一种手段

 

灰色预测求解公式及过程： 

GM(1,1)模型：

 

预测值的求解：

GM(1,1) 精度检验：

代码检测：