1、GM(1，1)模型是灰色系統(tǒng)理論的重要預(yù)測(cè)方法，它基于研究對(duì)象有限的數(shù)據(jù)挖掘出新信息，通過模型技術(shù)表達(dá)研究對(duì)象的內(nèi)在變化趨勢(shì)和基本規(guī)律。它適合于“小樣本”、“貧信息”的不確定系統(tǒng)建模。而提高預(yù)測(cè)的準(zhǔn)確性是GM(1，1)模型優(yōu)化的目標(biāo)。
　　在灰色預(yù)測(cè)效應(yīng)研究中，灰色生成技術(shù)從原始數(shù)據(jù)序列處理著手，通過削弱系統(tǒng)中的隨機(jī)擾動(dòng)項(xiàng)，達(dá)到優(yōu)化預(yù)測(cè)效應(yīng)的效果?；疑M合模型多采用灰色模型與其他模型相結(jié)合的方式，通過模型間的“串聯(lián)”、“并聯(lián)”、“

2、嵌入”等組合方式，達(dá)到模型間的互補(bǔ)、擴(kuò)大模型的適用范圍。因此，從這兩方面進(jìn)行灰色預(yù)測(cè)效應(yīng)的研究具有重要的意義。
　　本文通過對(duì)灰色生成技術(shù)以及GM(1，1)模型等相關(guān)文獻(xiàn)的查閱分析，對(duì)已有文獻(xiàn)中基于緩沖算子、函數(shù)變換等數(shù)據(jù)變換處理方法進(jìn)行研究，試圖通過比較不同方法的應(yīng)用情況，找出不同弱化緩沖算子的適用范圍，以及找到一種適用性更廣的函數(shù)變換方法，并對(duì)比運(yùn)用相關(guān)灰色生成技術(shù)后GM(1，1)模型的能模擬精度變化情況。通過對(duì)灰色組合模型以

3、及GM(1，1)模型等相關(guān)文獻(xiàn)的查閱分析，發(fā)現(xiàn)“嵌入式”的灰色馬爾科夫模型在狀態(tài)隸屬度劃分方面存在主觀性，可進(jìn)行進(jìn)一步改進(jìn)。最終，運(yùn)用灰色系統(tǒng)理論的建模系統(tǒng)對(duì)實(shí)例和研究成果進(jìn)行分析與總結(jié)。由此，得到以下幾點(diǎn)結(jié)論:
　　(1)在函數(shù)cot x(0≤x≤π/2)變換方面，獨(dú)創(chuàng)的4個(gè)數(shù)量等級(jí)的標(biāo)準(zhǔn)化方法能適應(yīng)大多數(shù)高增長率和低增長率數(shù)據(jù)序列并提高了原始GM(1，1)的擬合精度。
　　(2)在弱化緩沖算子適用性比較方面，選擇了6種典

4、型弱化緩沖算子，得到了在長數(shù)據(jù)序列、寬間距數(shù)據(jù)序列、短數(shù)據(jù)序列條件下，不同弱化緩沖算子的適用范圍與預(yù)測(cè)效應(yīng)。最終，該弱化緩沖算子比較體系唄其他相關(guān)實(shí)例數(shù)據(jù)驗(yàn)證，說明了結(jié)論的實(shí)用性。
　　(3)在灰色馬爾科夫預(yù)測(cè)中，GM(1，1)背景值優(yōu)化有助于改善其模擬和預(yù)測(cè)精度，用三角白化函數(shù)中狀態(tài)隸屬度表示研究對(duì)象所屬給定狀態(tài)的程度有助于彌補(bǔ)狀態(tài)劃分不精準(zhǔn)的不足。通過對(duì)河南省糧食產(chǎn)量的預(yù)測(cè)，結(jié)果顯示本文提出的基于狀態(tài)隸屬度的灰色馬爾科夫模型預(yù)