灰色预测主要用于样本量较少，具有一定趋势的时间序列数据预测，文件是TXT格式，里面包含了灰色预测G(1,1)R语言代码，有详细代码和解释。

邓聚龙提出的灰色关联分析算法的实现过程。可以在此基础上进行二次开发。

刘思峰教授提出的广义灰色关联分析的python算法实现。其中包括绝对关联度，相对关联度和综合关联度的计算实现。

采用粒子群算对灰色模型中的参数进行优化，提高模型的预测精度

灰色预测模型GM（1，n）模型的matlab源代码，包括预测模型的建立，以及模型的精度检验指标c,p的计算。

以优化SVM算法的参数c和g为例，对GWO算法MATLAB源码进行了逐行中文注解。是很好的学习材料

灰色系统预测模型GM(1,1)的基本思想与实现过程——数学建模教程

灰色关联度分析法是将研究对象及影响因素的因子值视为一条线上的点,与待识别对象及影响因素的因子值所绘制的曲线进行比较,比较它们之间的贴近度,并分别量化,计算出研究对象与待识别对象各影响因素之间的贴近程度的关联度,通过比较各关联度的大小来判断待识别对象对研究对象的影响程度。 关联度计算的预处理，一般初值化或者均值化，根据我的实际需要，本程序中使用的是比较序列与参考序列组成的矩阵除以参考序列的列均值等到的，当然也可以是其他方法。

分数阶灰色预测模型，用于小样本数据的预测拟合 分数阶灰色预测模型，用于小样本数据的预测拟合

最容易掌握灰色关联分析法的教程，具体的例子帮助理解灰色关联分析法及其计算方法