灰色GM（1，1）需求预测代码

以下是使用灰色GM（1，1）模型进行需求预测的Python代码示例：

import numpy as np

# 定义灰色GM（1，1）模型函数
def GM_11(x0):
    x1 = np.cumsum(x0)
    z1 = (x1[: -1] + x1[1:]) / 2.0
    z1 = z1.reshape((len(z1), 1))
    B = np.append(-z1, np.ones_like(z1), axis=1)
    Y = x0[1:].reshape((len(x0) - 1, 1))
    [[a], [b]] = np.dot(np.dot(np.linalg.inv(np.dot(B.T, B)), B.T), Y)
    predict = (x0[0] - b / a) * np.exp(-a * (len(x0))) + b / a
    return predict

# 输入原始数据
x0 = np.array([10, 20, 30, 40, 50, 60, 70, 80, 90, 100])

# 使用GM(1,1)进行预测，预测未来一期的需求量
predict = GM_11(x0)

# 输出预测结果
print("预测未来一期的需求量为：", predict)

在上述代码中，我们首先定义了灰色GM（1，1）模型函数GM_11，该函数接受原始数据x0作为输入，并返回预测结果。然后，我们输入了一个包含10个数据点的原始数据x0，使用GM(1,1)进行预测，预测未来一期的需求量。

最后，我们输出了预测结果。如果需要预测多期的需求量，可以使用循环进行多次预测。