python写一段灰色预测代码

当然可以！以下是一个简单的 Python 代码示例，用于进行灰色预测：

import numpy as np

def gray_prediction(data):
    n = len(data)
    # 累加生成序列
    accumulation = np.cumsum(data)
    
    # 计算紧邻均值生成序列
    mean_sequence = (accumulation[:-1] + accumulation[1:]) / 2
    
    # 构造矩阵 B 和向量 Y
    B = np.vstack((-mean_sequence, np.ones_like(mean_sequence))).T
    Y = data[1:]

    # 使用最小二乘法求解参数
    params = np.linalg.lstsq(B, Y, rcond=None)[0]
    
    # 预测模型
    predict_sequence = np.zeros_like(data, dtype=float)
    predict_sequence[0] = data[0]
    for i in range(1, n):
        predict_sequence[i] = (data[0] - params[1] / params[0]) * np.exp(-params[0] * (i-1)) + params[1] / params[0]
    
    # 输出预测结果
    print("原始数据：", data)
    print("预测数据：", predict_sequence)

# 示例数据
data = np.array([10, 12, 14, 16, 18, 20])
gray_prediction(data)

这段代码实现了一个简单的灰色预测模型。首先，它对原始数据进行累加和计算，并生成紧邻均值生成序列。然后，利用最小二乘法求解参数，并使用预测模型进行预测。最后，输出原始数据和预测数据。在示例中，原始数据为 `[10, 12, 14, 16, 18, 20]`，预测结果会打印在控制台上。

请注意，这只是一个简单的示例灰色预测模型，实际应用中可能需要根据具体情况进行调整和改进。