原理：采用累加和累减的方式，将灰色系统中的未知因素弱化，强化已知因素，通过数学方法确定方程中的参数，从而实现预测目的。
clear clc syms a u; c=[a,u]';%构成矩阵 A1=xlsread('wen1');%输入数据，可以修改 A = A1( :,end)' Ago=cumsum(A);%原始数据一次累加,得到1-AGO序列xi(1)。 n=length(A);%原始数据个数 for k=1:(n-1) Z(k)=(Ago(k)+Ago(k+1))/2; %Z(i)为xi(1)的紧邻均值生成序列 end Yn =A;%Yn为常数项向量 Yn(1)=[]; %从第二个数开始，即x(2),x(3)... Yn=Yn'; E=[-Z;ones(1,n-1)]';%累加生成数据做均值 c=(E'*E)\(E'*Yn);%利用公式求出a，u c= c'; a=c(1);%得到a的值 u=c(2);%得到u的值 F=[]; F(1)=A(1); for k=2:(n) F(k)=(A(1)-u/a)/exp(a*(k-1))+u/a;%求出GM(1,1)模型公式 end G=[]; G(1)=A(1); for k=2:(n) G(k)=F(k)-F(k-1);%两者做差还原原序列，得到预测数据 end %figure 1 subplot(2,1,1) hold on t1=1:n; t2=1:n; plot(t1,A,'bo--') hold on; plot(t2,G,'r*-') title('预测结果'); legend('真实值','预测值'); %后验差检验 %figure 2 subplot(2,1,2) hold on e=A-G; plot(e) title('预测值与真实值误差') ylabel('误差') xlabel('时间') q=e/A;%相对误差 s1=var(A); s2=var(e); c=s2/s1;%方差比 len=length(e); p=0; %小误差概率 for i=1:len if(abs(e(i))<0.6745*s1) p=p+1; end end p=p/len 在这里插入代码片数据连接：https://share.weiyun.com/vXQfIuld
