灰色预测的主要特点是模型使用生成的数据序列，而不是原始数据序列。 其核心体系是灰色模型(Grey Model，简称GM )，是一种通过累积生成(或用其他方法生成)原始数据得到近似指数规律并建模的方法。
优点是不需要很多数据，一般4个数据就足够了。 缺点是只适合中短期的预测，只适合指数增长的预测。
GM (1，1 )预测模型一阶微分方程仅包含一个变量
GM (1，1 )模型预测步骤
1 .数据验证和处理
2 .建立模型
3 .检查预测值
(1)残差检查
(2)水平比值偏差检验
4 .预测数据
灰色预测模型的使用条件：
1 .已知数据[x，y]的组合大于4组且小于10组。 (如果已知的样本数据太小或太大，可以用其他方法进行预测。)
2 .在实际APP应用中，数据通常是以年为单位的非负数据。 如果是启用了月或季度数据的时间系列模型)
3 .数据可接受准指数规律检验(除前两期外，后至少90%期数平滑比低于0.5#x