Python 灰色预测模型代码详解 - grey_model(X) 函数实现 - 常规

这段代码定义了一个灰色预测模型函数 grey_model(X)，它的输入是一个一维数组 X。

n = len(X)：获取数组 X 的长度，即数据点的个数。
X1 = np.cumsum(X)：对数组 X 进行累加求和，得到累加序列 X1。
Z = np.zeros(n - 1)：创建一个长度为 n-1 的全零数组 Z。
for i in range(1, n)：遍历从 1 到 n-1 的范围。

a. Z[i - 1] = -0.5 * (X1[i] + X1[i - 1])：计算 Z 数组的第 i-1 个元素，根据累加序列 X1 的相邻两个元素的平均值乘以 -0.5。
B = np.vstack((np.ones(n - 1), -0.5 * np.ones(n - 1))).T：创建一个矩阵 B，其中第一列是全为 1 的列向量，第二列是全为 -0.5 的列向量。
Y = X[1:]：将数组 X 的第一个元素去除，得到数组 Y。
a, b = np.linalg.lstsq(B, Y, rcond=None)[0]：使用最小二乘法拟合矩阵 B 和数组 Y，得到拟合系数 a 和 b。
X_pred = np.zeros(n)：创建一个长度为 n 的全零数组 X_pred。
X_pred[0] = X[0]：将数组 X 的第一个元素赋值给 X_pred 的第一个元素。
for i in range(1, n)：遍历从 1 到 n-1 的范围。

a. X_pred[i] = (X_pred[i - 1] - b / a) * np.exp(-a) + b / a：根据灰色预测模型的公式，依次计算预测值 X_pred 的每个元素。
return X_pred：返回预测结果数组 X_pred。

这个灰色预测模型可以根据给定的数据序列 X 进行灰色预测，得到一组预测结果。