1。2。2 主要要解决的主要问题

本文从以下五个方面来探究灰色预测模型在浙江省GDP预测中的应用，以浙江省GDP的增长数据作为原始数据，通过分析灰色模型的预测过程的曲线生成、误差和相对误差，综合体现了模型中一些科学的研究方法的综合应用，使得我们了解更加的深刻。总的来说，就是在解决实际问题时，我们能够很巧妙地利用并且适当的使用相关联的辅助问题来帮助解决复杂性的问题，从而达到开创解题的思路、拓宽解题的方法，培养自己思维的灵活性的目的。本文主要通过对浙江省GDP的预测，来明确以下研究来增加GDP 预测的精度。

1、 利用灰色GM（1。1）模型解决GDP增长趋势问题。如：拟合生成GDP增长趋势曲线，根据曲线，分析未来GDP的增长。

2、 利用灰色GM（1,1）改进模型解决GDP增长问题的精度。如：通过灰色模型，大致得出GDP增长的曲线图、优化分析、得到一个更加精准的GDP增长模型。

3、利用灰色系统的灰色关联性和关联度的分析，来评判一个模型是否符合建模标准。

4、利用灰色Verhulst模型进行参数估计的，并在此基础上进行改进分析，这样就能很快的确定预测的时间响应函数，结合MATLAB的运行数据，对比原始数值和预测数值之间的差异，得到残差和相对误差，分析误差产生的原因，并做模型效果分析。 

5、利用浙江省统计局的GDP原始数据1-AGO序列和数据模拟值，很快知道初值得差值平方和最小，从而很快确定时间响应函数中相关参数，这样的方式构建优化模型可以取得好的模拟、预测效果。

1。3 研究目的和研究内容

1。3。1 研究目的

探讨灰色系统建模的原理,需要从理论与实际的应用上进行分析，特别是要分析GM(1,1)模型在建模模拟的预测中得曲线走向，误差和模型效果检验。灰色预测模型作为一种预测方法，不仅在灰色系统理论中有着举足轻重的地位 ,而且在现实生活中也被人们广泛应用于各个领域，给人们的生产生活带来了很多利益和好处，因此，这对灰色预测模型未来的研究和探讨具有极其重要意义。为了更好的检验模型的效果，本文选取了浙江省统计年鉴上的2008年-2014年GDP原始数值作为GDP的时间序列数据,运用GM( 1,1 ) 模型分析预测、在研究的基础上对GM（1,1）改进模型和灰色Verhulst模型及其改进模型进行预测,通过预测的结果和MATLAB运行分析，显示改进GM( 1,1 ) 模型和Verhulst模型及其改进形式的预测精度都要明显高于GM（1,1）原型,这就是我想要得到研究目的。

1。3。2 主要研究内容

我们知道，灰色系统其实它更加侧重研究一些直接性问题，它不像模糊数学和概率统计那样无法直接解决的“小样本、贫信息不确定”等问题，只能通过间接性的方式求得预测结果，更为致命的是，预测效果往往无法保证。而灰色预测能够根据它本身的信息覆盖程度以及数列的生成的情况，科学合理的去寻找可能存在的研究规律，最为显著的特点是“少数据建模”。与模糊数学的机理最大的区别是：灰色系统理论的研究更加侧重 “外延清晰，内涵不明”的对象。比如：到2020年，中国要将汽车保有量控制在1。36亿到1。65亿之间，它的外延已经很清楚，不过要具体到某一个数值，却不得而知了，这就是是一个区间性的灰概念。灰色系统理论和概率论、模糊数学的地位不相上下，在研究不确定问题的时候，经常被研究者广泛的应用，原因是他们都具有“少数据”建模的良好特性，特别是在寻找规律的作业特别的显著，，它不仅客服了数据量少，规律不明显、数据误差大的问题，而且也丰富了灰色预测理论系统，为学科发展研究奠定了基础。