一：灰色预测模型的优点
灰色预测模型所需要的数据量比较少，预测比较准确，精度较高。
样本分布不需要有规律性，计算简便，检验方便。
灰色预测模型适用于中长期预测。
二：灰色模型的优点
1、不需要大量样本。2、样本不需要有规律性分布。3、计算工作量小。4、定量分析结果与定性分析结果不会不一致。5、可用于Recent、短期、中长期预测。6、灰色预测准确度高。
三：灰色gm预测模型
一、什么是灰色系统（Grey System）
灰色分析全名为灰色系统理论分析（Grey System Theory），是由中国邓聚龙教授于1982年在国际经济学会议上提出，该理论主要是针对系统模型之不明确性，信息之不完整性之下，进行关于系统的关联分析（Relational Analysis）、模型建构（Constructing A Model）、借由预测（Prediction）及决策（Decision）之方法来探讨及了解系统。
自然界对人类社会来讲不是白色的(全部都知道)，也不是黑色的(一无所知)，而是灰色的(半知半解)。人类的思考、行为也是灰色的，人类其实是生存在一个高度的灰色信息关系空间之中，例如：人体系统、粮食生产系统等。部分信息已知，部分信息未知的系统，称为灰色系统。
控制论中主要以颜色命名，常以颜色之深浅表示研究者对内部信息（information）和对系统本身的了解及认识程度之多寡，黑色，表示信息缺乏；白色，表示信息充足；而介于白色（W）系统与黑色（B）系统之间，其信息部份已知，信息部分未知的这类系统便称之为灰色（G）系统。
二、什么是灰色系统理论
灰色系统理论是研究灰色系统分析、建模、预测、决策和控制的理论。它把一般系统论、信息论及控制论的观点和方法延伸到社会、经济和生态等抽象系统，并结合数学方法，发展出一套解决信息不完全系统（灰色系统）的理论和方法。
灰色系统理论分析具有沟通社会科学及自然科学的作用，可将抽象的系统加以实体化、量化、模型化及做最佳化。
三、灰色系统理论建立的历史背景
1948年，美国数学家申农提出『信息论』，学者维纳（Weiner）发表『控制论』一书。
1951年，巴黎举行了第一届国际会议，确认了控制论是一们新兴的学科。
1968年，奥地利生物学加倍塔朗菲发表了--『一般系统理论－基础、发展和应用』，正式确定了一般系统理论。
四、灰色系统理论的主要内容
信息不完全是灰色系统的特征，因此研究灰色系统的关键是：
（一）、如何处理灰元信息不完全的元素，称之为灰元或灰参数。
（二）、如何使系统结构上、模型上、关联上由灰变白，或使系统的白度增加（又称淡化或白化）。
灰色系统理论就是从这两方面来发展讨论的。通过白化，我们对系统的认识变由知之不多到知之较多，由知之较多再到认识其变化规律，最后从变化规律中提取出所需要的信息。
灰色模型是灰色系统理论的核心，是灰色预测、决策、控制的基础。利用灰色模型及其它理论，可分析事物的可控性、可观性、可达成性，说明哪些因素是可控性的，哪些是不可控性的；哪些是将要发生的，哪些是将要消灭的；哪些是需要扶持的，哪些是要制止的；从而为系统迅速、正确地提供决策。
灰色系统理论的主要内容有：
（一）、GM模型
（二）、灰色预测
（三）、灰关联分析
（四）、灰色统计与聚类
（五）、灰色决策
（六）、灰色控制
五、灰色系统理论的两条基本原
（一）、信息不完全原理
（二）、过程非唯一原理
六、灰色系统的应用范畴
灰色系统的应用范畴大致分为以下几方面：
（一）、灰色预测
1、人口预测；2、初霜预测；3、灾变预测…….等等
（二）、灰色关联度分析
（三）、灰色决策
（四）、灰色预测控制
现实世界中，许多系统即使是有大样本，其分布也不一定是典型的，非典型的随机过程是难以用统计方法处理的。且现实中的许多灰系统，因为没有物理原型，信息难以完全判断，而且数据很少，这就难以用统计方法处理。
七、灰色分析的优点
（一）、不需要大量的样本。
（二）、样本不需要......余下全文>>
四：灰色预测的特点
对于一个模糊系统来说，传统的预测方法就会失去作用。处理模糊预测问题的数学方法是模糊数学。模糊数学的基础是模糊集合论，而模糊集合是普通集合的扩展。美国学者l.a.zadeh教授建立的模糊集合论，为模糊预测理论与方法的研究奠定了理论基础。它用简捷有力的方法处理复杂系统，在某种程度上弥补了经典数学与统计数学的不足。
五：灰色预测的条件是什么？？
灰色预测是灰色系统理论的数学应用，其数学基础，从根本上区别于传统数学预测模型，典型传统数学预测模型，就是那些基于统计数据的数理模型，如一元线性回归、多元回归、Logistic等。
这些统计模型对给定数据采取自变量与因变量相对应的简单处理方式，也就是说，先行假定这些量及其数据之间具有这样一些形式的对应关系，采用数学方式表达这种形式关系，就是统计回归模型。但是，灰色预测模型则认为，量及其数据同其他量及数据之间、甚至一个量的多个序列数据值之间所具有的关系，并不必然显现为那种明确的统计回归关联，而是总带有内部联系，而这种联系又并不能确定无疑地表达出来，而只能表达出这种联系在数据上呈示给我们的那种数列关系，于是，这种呈示出来的关系，其实已经是该量多个数据值内部发生关系所产生出来的结果
所以，要列出这些数据值之间的关系，就并不是无隐藏的统计关系，而应该是隐含着原因在结果数据值之中的那种关系，那也就是微分方程，其实这也是微分方程的实际意义。灰色预测的数据理论基础，简而言之，集成了中等数学中的数列理论、高等数学中的微分方程、线性代数、数理统计等理论。在近年来，灰色预测的发展还体现在以上那些数学理论基础与最新人工智能算法、进化算法、生物仿生算法的相融合上，具体而言，已经涉及到较深的研究领域了。
六：灰色预测法为什么很多数据就不适用
活动单元格正处于编辑状态。按ESC取消即可。表格设置了保护，执行菜单中的“审阅”→“撤销工作表保护”即可。
七：灰色预测的分类
①灰色时间序列预测；即用观察到的反映预测对象特征的时间序列来构造灰色预测模型，预测未来某一时刻的特征量，或达到某一特征量的时间。②畸变预测；即通过灰色模型预测异常值出现的时刻，预测异常值什么时候出现在特定时区内。③系统预测；通过对系统行为特征指标建立一组相互关联的灰色预测模型，预测系统中众多变量间的相互协调关系的变化。④拓扑预测；将原始数据作曲线，在曲线上按定值寻找该定值发生的所有时点，并以该定值为框架构成时点数列，然后建立模型预测该定值所发生的时点。
八：灰色预测的应用
在预测应用上，如气象预报、地震预报、病虫害预报等，国内学者做出了许多有益的研究。
九：灰色GM（1,1）预测模型的优点有哪些，越详细越好
所用的数据量比较少，预测比较准确
十：灰色预测的建模步骤
a、建模机理b、 把原始数据加工成生成数；c、 对残差（模型计算值与实际值之差）修订后，建立差分微分方程模型；d、 基于关联度收敛的分析；e、 gm模型所得数据须经过逆生成还原后才能用。f、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。 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-u/a)exp()+u/a其中：α称为发展灰数；μ称为内生控制灰数 1、残差模型：若用原始经济时间序列建立的GM（1，1）模型检验不合格或精度不理想时，要对建立的GM（1，1）模型进行残差修正或提高模型的预测精度。修正的方法是建立GM（1，1）的残差模型。2、GM（n，h）模型：GM（n，h）模型是微分方程模型，可用于对描述对象作长期、连续、动态的反映。从原则上讲，某一灰色系统无论内部机制如何，只要能将该系统原始表征量表示为时间序列x(0)(t)，并有 x(0)(t)>0，即可用GM模型对系统进行描述。
扫一扫手机访问
