灰色预测模型_数学建模之灰色预测

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)灰色系统理论能够处理贫信息系统

灰色预测的主要特点是模型使用的不是原始数据序列，而是生成的数据序列。其核心体系是灰色模型（Grey Model，简称GM），即对原始数据作累加生成（或其它方法生成）得到近似的指数规律再进行建模的方法。灰色预测模型对于不同问题采用不同模型，GM（1，1）模型主要解决生成序列是有指数变化规律，只能描述单调的变化过程。

优点：是不需要很多的数据，一般只需要4个数据就够，能解决历史数据少、序列的完整性及可靠性低的问题；能利用微分方程来充分挖掘系统的本质，精度高；能将无规律的原始数据进行生成得到规律性较强的生成序列，运算简便，易于检验，具有不考虑分布规律，不考虑变化趋势。缺点是只适用于中短期的预测，只适合指数增长的预测。

灰色生成：将原始数据列中的数据，按照某种要求作数据处理称为灰色生成。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。常用的生成方式有累加生成，累减生成，均值生成，级比生成等。

得到模型后的精度检验

分为：

1.残差检验 2.后验差检验 3.关联度检验

参考程序:

function []=greymodel(y)
% 本程序主要用