python灰色预测_教你用灰色预测未来5年的发展情况（Python代码）

01 什么是灰色预测

灰色预测通过鉴别系统因素之间发展趋势的相异程度，即进行关联分析，并对原始数据进行生成处理来寻找系统变动的规律，生成有较强规律性的数据序列，然后建立相应的微分方程模型，从而预测事物未来的发展趋势。鉴于灰色预测对小数据量预测的优良性能，本文对多个影响因素的数据项使用灰色模型进行预测。

02 GM模型灰色预测的原理

灰色系统理论是基于关联空间、光滑离散函数等概念定义灰导数与灰微分方程，进而用离散数据列建立微分方程形式的动态模型，即灰色模型是利用离散随机数经过生成变为随机性被显著削弱而且较有规律的生成数，建立起的微分方程形式的模型，这样便于对其变化过程进行研究和描述。

GM(1,1)模型的G表示grey灰色，M表示model模型，主要实现原理如下：

GM(1,1)模型适合具有较强的指数规律的数列，只能描述单调的变化过程。

GM(1,1)模型采用“五步建模（系统定性分析、因素分析、初步量化、动态量化、优化）”法，建立一种差分微分方程模型gm(1,1）预测模型，主要步骤包括：

令 x(0)=(x⑴，x⑵，…，x(n))

作一次累加生成， k

x(k)= ∑x(m) 消除数据的随机性和波动性

m=1

有 x=(x⑴，x⑵，…，x(n))=(x⑴，x⑴+x⑵，…，x(n-1)+x(n))

x可建立白化方程：dx/dt+ax=u 即gm(1,1).

该方程的解为： x(k+1)=(x⑴-μ/a)exp(-ak)+μ/a