灰色预测模型Python代码

灰色预测模型是一种常用的时间序列预测方法，它可以用于预测未来的趋势和规律。下面是一个简单的灰色预测模型的Python代码示例：

import numpy as np

def GM11(x0):
    # 累加生成序列
    x1 = np.cumsum(x0)
    
    # 紧邻均值生成序列
    z1 = (x1[:-1] + x1[1:]) / 2.0
    
    # 紧邻均值矩阵B和数据矩阵X
    B = np.vstack([-z1, np.ones_like(z1)]).T
    X = x0[1:].reshape((len(x0)-1, 1))
    
    # 矩阵运算，计算参数a和b
    [[a], [b]] = np.dot(np.dot(np.linalg.inv(np.dot(B.T, B)), B.T), X)
    
    # 模型
    f = lambda k: (x0[0]-b/a) * np.exp(-a*(k-1)) - (x0[0]-b/a) * np.exp(-a*(k-2))
    
    # 预测结果
    predict = np.array([f(i) for i in range(1, len(x0)+1)])
    
    return predict

# 示例数据
x0 = np.array([10, 20, 30, 40, 50])

# 调用灰色预测模型
predict = GM11(x0)

print("原始数据：", x0)
print("预测结果：", predict)

这段代码实现了灰色预测模型的基本逻辑，通过输入一个时间序列数据x0，可以得到对应的预测结果predict。需要注意的是，这只是一个简单的示例代码，实际应用中可能需要根据具体情况进行参数调整和模型优化。