灰色预测模型（Gray Forecast Model）是通过 少量的、不完全的信息，建立数学模型并做出预 测的一种预测方法.当我们应用运筹学的思想方法 解决实际问题，制定发展战略和政策、进行重大 问题的决策时，都必须对未来进行科学的预测. 预测是根据客观事物的过去和现在的发展规律， 借助于科学的方法对其未来的发展趋势和状况进 行描述和分析，并形成科学的假设和判断

本文研究了两种灰色系统预测模型的预测能力。 Deng [1] [2]提出的原始灰色GM（1,1）预测模型，以及Ji等人提出的改进的Gray GM（1,1）模型。 [3]用于预测百慕大的医疗旅游需求。 本文还介绍了一种用于优化alpha（权重）参数的准优化方法。 使用四个数据点估算模型后，将提前五个步骤进行样本外预测。 结果表明，阿尔法参数的优化大大提高了模型的预测精度。 将两个模型的样本外平均绝对百分比误差的五个步骤从大约7％降低到大约3.80％。 很大程度上，在没有大量高质量数据的情况下，预测方法显示出巨大的潜力来替代传统的预测方法。

完美的预测未来数据,简单易懂，都有说明 非常容易上手

多元变量灰色预测模型算法用matlab实现

常用的灰色预测有五种： 　（1）数列预测，即用观察到的反映预测对象特征的时间序列来构造灰色预测模型，预测未来某一时刻的特征量，或达到某一特征量的时间。 　（2）灾变与异常值预测，即通过灰色模型预测异常值出现的时刻，预测异常值什么时候出现在特定时区内。 　（3）季节灾变与异常值预测，即通过灰色模型预测灾变值发生在一年内某个特定的时区或季节的灾变预测。 　（4）拓扑预测，将原始数据作曲线，在曲线上按定值寻找该定值发生的所有时点，并以该定值为框架构成时点数列，然后建立模型预测该定值所发生的时点。 　（5）系统预测. 通过对系统行为特征指标建立一组相互关联的灰色预测模型，预测系统中众多变量间的相互协调关系的变化。

粒子群优化算法优化灰色预测模型GM(1,1)+matlab源代码

灰度预测算法的编程，包括43个案例分析与解答

29. 灰色预测一、灰色预测概述灰色预测是用灰色模型GM(1,1)来进行定量分析的，通常分为以下几类：(1) 灰色时间序列预测。用等时距观测到的反映预测对象特征的一系列数量（如产量、销量、人口数量、存款数量、利率等）构造灰色预测模型，预测未来某一时刻的特征量，或者达到某特征量的时间。(2) 畸变预测（灾变预测）。通过模型预测异常值出现的时刻，预测异常值什么时候出现在特定时区内。 (3) 波形预测，或称为拓扑预测，它是通过灰色模型预测事物未来变动的轨迹。 (4) 系统预测，对系统行为特征指标建立一族相互关联的灰色预测理论模型，在预测系统整体变化的同时，预测系统各个环节的

灰色预测模型代码matlab particle_Filter 这是python Intelligent Robotics Systems练习2：Particle Filter中的部分过滤器实现。 使用地标的移动机器人的蒙特卡洛定位考虑一个平面机器人，其三个DOF x =（x，y，θ）在大小为100×100的世界中运行。该世界包括m = {（（20，20）， （80，80），（20，80），（80，20）}，如图所示。机器人可以接受两个电机命令，一个转弯运动命令u1，（u1∈[0，2π））和一个向前运动命令u2（u2> 0）。 机器人的确定性运动模型由θ0 =θ+ u1，x 0 = x + u2 cosθ0，y 0 = y + u2 sinθ0给出。为了实现MCL算法，提供了两个Matlab类。 cWorld类定义机器人的世界，并包括绘图功能。 cRobot类初始化世界上具有任意姿势的机器人。 该类包括以下功能：•设置：设置机器人的新姿势•打印：将机器人的姿势打印到Matlab提示中•绘图：在世界上绘图机器人[不同的颜色和不同的绘图样式-“机器人”和可以选择“粒子”]•设置噪声：设置噪声

在互逆的分数阶累加生成算子和分数阶累减生成算子的基础上, 建立分数阶算子GM(1,1) 模型, 均值GM(1,1) 模型是当?? = 1 时的特例. 给出分数阶算子GM(1,1) 模型最小平均相对误差下最优阶数的粒子群优化算法.多个验证实例表明, 通过对阶数进行优化, 分数阶算子GM(1,1) 模型可具有比GM(1,1)、DGM(1,1) 等模型更高的拟合精度.