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。

灰色关联预测分析GM（1,1）通常可分为以下四个步骤：

（1）级比值检验

此步骤目的在于数据序列是否有着适合的规律性，是否可得到满意的模型等，该步骤仅为初步检验，意义相对较小。

（2）后验差比检验

在进行模型构建后，会得到后验差比C值，该值为残差方差 / 数据方差；其用于衡量模型的拟合精度情况，C值越小越好，一般小于0.65即可。

（3）模型拟合和预测

进行模型构建后得到模型拟合值，以及最近12期的预测值。

（4）模型残差检验

模型残差检验为事后检验法。主要查看相对误差值和级比偏差值。相对误差值=预测拟合值与残差值的差值绝对值 / 原始值。相对误差值越小越好，一般情况下小于20%即说明拟合良好。级比偏差值也用于衡量拟合情况和实际情况的偏差，一般该值小于0.2即可。

取某地1986年~1992共7年的道路交通噪声平均声级数据进行预测。

选择【综合评价】--【灰色预测模型】。

将指标项放入分析框中，点击开始分析。

（1）GM(1,1)模型级比值表格

首先，计算级比值，级比值介于区间[0.982,1.0098]时说明数据适合模型构建。

从上表可知，针对城市交通噪声/dB(A)进行GM(1,1)模型构建，结果显示：级比值的最大值为1.010，在适用范围区间[0.982,1.0098]之外，意味着本数据进行GM(1,1)可能得不到满意的模型。但从数据来看，1.01非常接近于1.0098，因此有理由接着进行建模。

（2）后验差比检验

后验差比C值用于模型精度等级检验，该值越小越好，一般C值小于0.35则模型精度等级好，C值小于0.5说明模型精度合格，C值小于0.65说明模型精度基本合格，如果C值大于0.65，则说明模型精度等级不合格。

从上表可知，后验差比C值0.231