灰色预测模型
特点：
利用少量、不完全的信息
预测的是指数型的数值
预测的是比较近的数据
灰色生成数列原理：
- 累加生成：
- 累减生成：通过累减生成还原成原始数列。
- 加权相邻生成：（会更接近每月中旬，更推荐用于缺失数据填补）
加权邻值生成的作用
平滑数据：通过加权邻值生成，可以减少数据的波动，使数据序列更加平滑，从而更好地反映数据的内在规律。
增强规律性：加权邻值生成可以增强数据的规律性，使数据序列更符合灰色预测模型的假设，从而提高模型的预测精度。
构造模型步骤：
检查数列的级比：
要求：
不符合则要对该序列进行平移处理
定义灰导数：
d(k)=x(0)(k)=x(1)(k)-x(1)(k-1)
利用邻值生成序列
Z(1)(k)=αx(1)(k)+(1-α)x(1)(k-1)
于是定义GM(1,1)的微分方程模型为:
X(0)(k)+αz(1)(k)=b
用回归分析
求得该解α和b
求解微分方程并得到预测值
