灰色预测的主要特点是只需要4个数据,就能解决历史数据少,序列的完整性以及可靠性低的问题,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,易于检验

但缺点是只适合中短期的预测,且只适合指数级增长的预测.

在建立灰色预测模型之前，需先对原始时间序列进行数据处理，经过数据预处理后的数据序列称为生成列。对原始数据进行预处理，不是寻找它的统计规律和概率分布，而是将杂乱无章的原始数据列通过一定的方法处理，变成有规律的时间序列数据，即以数找数的规律，再建立动态模型。

灰色预测通过鉴别系统因素之间发展趋势的相异程度，并对原始数据进行生成处理来寻找系统变动的规律，生成有较强规律性的数据序列，然后建立相应的微分方程模型，从而预测事物的未来发展趋势

1. 将参数带入预测模型进行数据预测

已知某公司 1999——2008 年的利润为（单位：元/年）：[,333,878,407,670]，现在要预测该公司未来几年的利润情况

灰色理论的微分方程型模型称为GM模型，G表示grey(灰)，M表示Model(模型)．GM(1，N)表示1阶的，N个变量的微分 方程型模型．而GM(1，1)则是1阶的， 1个变量的微分方程型模型。

灰色预测GM(1,1)模型(1阶单变量时间序列灰色预测模型）的matlab代码实现

首先，我们谈一下素数的定义，什么是素数？除了1和它本身外，不能被其他自然数整除（除0以外）的数 称之为素数（质数）；否则称为合数。 根据素数的定义，在解决这个问题上，一开始我想到的方法是从3到N之间每个奇数进行遍历，然后再按照素数的定义去逐个除以3到 根号N之间的奇数，就可以计算素数的个数了。 于是便编写了下面的代码： （代码是用C++编写的） #include #in