python 实现新陈代谢灰色预测模型GM(1,1)简化版

**

python 实现新陈代谢灰色预测模型简单版

之前写了一个用python实现新陈代谢灰色预测模型GM（1，1）的代码，很多小伙伴问我要代码。但之前的代码写的比较复杂，可以参考我之前的代码，链接：https://blog.csdn.net/qq_35794085/article/details/112275248，并且有很多东西可能在实际预测时，何需这么复杂，大可不必写那么多，虾面我把代码简单化了。所以，我把简单的代码贴上来，大家参考一下吧。

import numpy as np

'''
GM function 是传统的灰色预测模型，网上代码挺多的，可以自己根据需要去改
参数x是原始数据列表
参数year是你要预测的年份数,我一次只预测一年，那么year = 1
'''
def GM(x, year):

  ###我这里就不把传统的GM代码放上来了，返回第一次预测值给新陈代谢GM就好。
    
    return x_predict #返回预测值，供新城代谢GM使用

'''
XCDX_GM function 是新陈代谢灰色预测模型
参数x是原始数据列表
x_predict 是利用GM模型得到的预测值，然后根据你的需要自己可以改下面贴的代码，year只能是1.
'''
def XCDX_GM(x, x_predict, year):
    new_x_predict = []
    new_x_predict = x_predict
    for i in range(5): #循环预测5年的数据，你自己在这里改吧，想预测几年，就range(几年)。
        del x[0]
        x.append(new_x_predict[-1])
        new_x_predict = GM(x, year)
        new_x_predict = list(new_x_predict)
        print(type(new_x_predict))
        print("this is predict value of i-th for XCDX_GM :",i)
        for j in range(len(new_x_predict)):
            print(j,round(new_x_predict[j],3))
 
if __name__ == '__main__':

    x= [1，2，3，4，5，6，7，8，9，10，11，12] #改成你的数据就好了
    year = 1 #每次只预测后一年的数据，再将其加入前面的原始值的最后一个，再剔除原始序列的第一个值
    x_predict = GM(x, year)
    for value in x_predict:
        print(round(value,3))
    XCDX_GM(x, x_predict, year)

#######就这样吧，这个模型可以根具自己的需要改进，例如用加权灰色预测等等。欢迎大家一起交流