针对GM(1,2) 建模难点和模型缺陷提出两种改进方法: 一是运用相关匹配算法, 在历史数据库中搜索与主序 列具有强关联特性的数据序列, 确定为模型参考序列; 二是引入粒子群算法, 以模型预测性能评价指标为目标函数对 模型参数进行辨识, 改善模型预测性能. 算例结果表明了改进方法的适用性和有效性.

包含常见的13种模型的算法介绍与示例数据，如：多元回归分析、层次分析、灰色预测、模拟退火、种群竞争、聚类分析、多属性决策等。

GM(1，1）模型，可以用于python，直接调包实现即可；

MATLAB源码集锦-离散灰色预测模型和AR预测模型的组合预测

自己毕业时候编的一个利用灰色理论进行数据预测的软件 包括GM（1，1）预测和残差GM（1，1）预测 自己毕业时候编的一个利用灰色理论进行数据预测的软件 包括GM（1，1）预测和残差GM（1，1）预测

摘要：文章讨论了多变量灰色预测模型的建模方法及其算法思想，得到了多变量灰色预测模型的检验方法。为了简化模型求解，给出多变量灰色预测模型的MATLAB 程序实现。通过应用实例说明算法程序的应用和效果。 带有MATLAB 程序

2021美赛算法——07灰色预测方法整理【全】，包含理论，实例+matalb+python实现。 其他资料欢迎关注微信公众号“卓卓的私有变量”

数学建模matlab算法程序

本问主要以预测秦皇岛煤炭价格为目标，通过问题一中不同因素对其影响权重的大小以及神经网络算法，建立价格预测模型。BP神经网络模型处理信息的基本原理是：输入信号，通过中间节点（隐层点）作用于输出节点，经过非线性变换，产生输出信号，网络训练的每个样本包括输入向量和期望输出量t，网络输出值y与期望输出值t之间的偏差，通过调整输入节点与隐层节点的连接强度值和隐层节点与输出节点之间的连接强度以及阈值，使误差沿梯度方向下降，经过反复学习训练，确定与最小误差相对应的网络参数（权值和阈值），训练即告停止。此时经过训练的神经网络即能对类似样本的输入信息，自行处理输出误差最小的经过非线性转换的信息。

灰色预测模型的MATLAB程序直接下载运行即可-灰色模型.rar 一些关于灰色预测模型的资料和我自己编的一个小程序