灰色理论预测模型

灰色理论

通过对原始数据的处理挖掘系统变动规律，建立相应微分方程，从而预测事物未来发展状况。
优点：对于不确定因素的复杂系统预测效果较好，且所需样本数据较小；
缺点：基于指数率的预测没有考虑系统的随机性，中长期预测精度较差。

灰色预测模型

在多种因素共同影响且内部因素难以全部划定，因素间关系复杂隐蔽，可利用的数据情况少下可用，一般会加上修正因子使结果更准确。
灰色系统是指“部分信息已知，部分信息未知“的”小样本“，”贫信息“的不确定系统，以灰色模型（G,M）为核心的模型体系。

灰色预测模型建模机理

灰色系统理论是基于关联空间、光滑离散函数等概念，定义灰导数与会微分方程，进而用离散数据列建立微分方程形式的动态模型。

灰色预测模型实验

以sin(pi*x/20)函数为例，以单调性为区间检验灰色模型预测的精度

通过实验可以明显地看出，灰色预测对于单调变化的序列预测精度较高，但是对波动变化明显的序列而言，灰色预测的误差相对比较大。究其原因，灰色预测模型通过AGO累加生成序列，在这个过程中会将不规则变动视为干扰，在累加运算中会过滤掉一部分变动，而且由累加生成灰指数律定理可知，当序列足够大时，存在级比为0.5的指数律，这就决定了灰色预测对单调变化预测具有很强的惯性，使得波动变化趋势不敏感。

本文所用测试代码：

clc
clear all
% 本程序主要用来计算根据灰色理论建立的模型的预测值。
% 应用的数学模型是 GM(1,1)。
% 原始数据的处理方法是一次累加法。
x=[0:1:10];
x1=[10:1:20];
x2=[0:1:20];
y=sin(pi*x/20);
n=length(y);
yy=ones(n,1);
yy(1)=y(1);
for i=2:n
    yy(i)=yy(i-1)+y(i);
end
B=ones(n-1,2);
for i=1:(n-1)
    B(