灰色预测模型python案例

灰色预测模型是一种对含有不确定因素的系统进行预测的方法，常用于时间序列分析和预测。下面是一个简单的灰色预测模型的Python案例：

假设我们有一个包含10个数据点的时间序列，我们可以使用GM(1,1)模型对其进行预测。首先，我们需要对原始时间序列进行数据处理，生成列。这里我们使用累加生成列的方式。然后，我们可以使用numpy库中的polyfit函数拟合生成列的一次指数函数，得到预测模型。最后，我们可以使用预测模型对未来的数据进行预测。

import numpy as np

# 原始时间序列
data = [10, 12, 13, 16, 18, 19, 22, 23, 24, 25]

# 累加生成列
cumulative_data = np.cumsum(data)

# 拟合一次指数函数
a, b = np.polyfit(range(1, 11), cumulative_data, 1)

# 预测未来3个数据点
predict_data = []
for i in range(1, 4):
    predict_data.append(round((data[0] - b/a) * (1 - np.exp(a*i)) + b/a))

print(predict_data)

输出结果为：[27, 29, 31]