灰色預測：
主要特點：模型使用的不是原始資料序列,而是生成的資料序列。
核心：灰色模型，即對原始資料作累加生成得到近似的指數規律再進行模組化的方法。
優點：
不需要很多的資料,一般隻需要4個資料就夠;
能利用微分方程來充分挖掘系統的本質,精度高;
能将無規律的原始資料進行生成得到規律性較強的生成數列,運算簡便,易于檢驗,具有不考慮分布規律,不考慮變化趨勢。
缺點：
隻适用于中長期的預測,隻适合指數增長的預測,對波動性不好的時間序列預測結果較差。
理論部分：（看得有點懵，先記錄，主要看應用）
GM(1,1)：
看不懂沒關系，來個例子上手：
clc,clear
a=[390.6,412,320,559.2,380.8,542.4,553,310,561,300,632,540,406.2,313.8,576,587.6,318.5]';
t0=find(a<=320);
t1=cumsum(t0);n=length(t1);
B=[-0.5*(t1(1:end-1)+t1(2:end)),ones(n-1,1)];Y=t0(2:end);
r=B\Y
y=dsolve('Dy+a*y=b','y(0)=y0');
y=subs(y,{'a','b','y0'},{r(1),r(2),t1(1)});
yuce1=subs(y,'t',[0:n+1])
digits(6),y=vpa(y) %提高預測精度，先計算預測值，再顯示微分方程的解
yuce=diff(yuce1);
yuce=[t0(1),yuce]