import numpy as npdef gm11（x0）： """ GM（1，1）灰色预测模型 ：param x0：原始序列 ：return：预测值序列，相对残差，后验差比值，小误差概率，参数a，参数b """ # 1.累加生成 x1=np.cumsum（x0） # 2.紧邻均值生成 z1=（x1［：-1］+x1［1：］）/2.0 # 3.构造数据矩阵B和数据向量Y B=np.vstack（［-z1，np.ones（len（z1））］）.T Y=x0［1：］.reshape（（-1，1）） # 4.计算参数a和b ［［a］，［b］］=np.linalg.inv（B.T@B）@B.T@Y a，b=float（a），float（b）　# 转换为标量 # 5.建立预测模型 def x1_pred（k）： return（x0［0］-b/a）*np.exp（-a*k）+b/a # 6.还原得到预测值 x0_pred=np.zeros_like（x0，dtype=float） x0_pred［0］=x0［0］ for i in range（1，len（x0））： x0_pred［i］=x1_p <<