数学建模-灰色预测最强讲义 GM（1，1）原理及Python实现

目录

一、GM（1，1）模型预测原理

二、GM（1，1）模型预测步骤

2.1 数据的检验与处理

2.2 建立模型

2.3 检验预测值

三、案例 

---

灰色预测应用场景：时间序列预测

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，即对原始数据做累加生成得到近似的指数规律再进行建模的方法。

优点是不需要很多的数据，一般只需要4个数据就可以，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。

一、GM（1，1）模型预测原理

二、GM（1，1）模型预测步骤