灰色预测模型可针对数量非常少（比如仅4个），数据完整性和可靠性较低的数据序列进行有效预测，其利用微分方程来充分挖掘数据的本质，建模所需信息少，精度较高，运算简便，易于检验，也不用考虑分布规律或变化趋势等。但灰色预测模型一般只适用于短期预测，只适合指数增长的预测，比如人口数量，航班数量，用水量预测，工业产值预测等。

灰色预测模型有很多，GM(1,1)模型使用最为广泛，第1个数字表示进行一阶微分，第2个数字1表示只包含1个数据序列。灰色预测模型有很多，GM(1,1)模型使用最为广泛。

灰色预测GM(1,1)模型通常针对数量非常少的样本进行预测，如果数据带有时间项，其并不纳入分析项中，但自己整理数据时一般需要将数据依次按时间排序好录入数据，类似数据格式如下图：

1.SPSSAU上传数据

登录账号后进入SPSSAU页面，点击右上角“上传数据”，将处理好的数据进行“点击上传文件”上传即可。

2.拖拽分析项

在“综合评价”模块中选择“灰色预测模型”方法，将分析项拖拽到右侧分析框后，点击“开始分析”即可。

背景：当前某城市1986~1992共7年的道路交通噪声平均声级数据，现希望预测出往后一期器械声平均声级数据。

分析结果来源于SPSSAU

从上表可知，针对城市交通噪声/dB(A)进行GM(1,1)模型构建，首先进行级比值检验，用于判断数据序列进行模型构建的适用性。级比值为上一期数据/当期数据。

结果显示：级比检验值均在标准范围区间[0.779, 1.284]内，意味着本数据适合进行GM(1,1)模型构建 。

SPSSAU提供建议

从上表可知，模型构建后得到发展系数a，灰色作用量b，以及后验比C值和小误差概率p值； 后验差比C值0.231