x(1)=（99214.55，208869.75，329202.45，465025.25，624903.55，809840.95，
102655.35，1291965.65，1606011.05，1946517.95）
（4）.构造数据矩阵B（程序二是求解过程）及数据向量Y
?1(1)?(1)?(x?x)1(2)?2(1)?0)?x((2???)?（0）???1(x(1)?x(1))1?x(3）?(2)(3)???B? Y? 2????????(0)?????x(10)???1(1)?(1)?(x?x)1(9)(10)???2?
? (5).计算u
?u?(a,b)T=(BTB)?1BTY
从而得到a=-0.1434, b=102300.8（程序五是求解过程） (6).建立模型
（1）dx?ax(1)?b dt 求解得到：
b?akb(0)x((1)?(x?)e??802609.25e0.1434k?713394.7 k?1)(1)aa（7）.预测2020年的国内生产总值：
）(1)(1)?((0??由x=x?xk)(k)(k?1) 可得到：
(0）(1)(1)?(21)?(21)?(20)=1887300 x=x?x
因此可以得到：
预测2020年的国内生产总值为1887300
3）. 对投放资金的预测
(0)（0）(0)(1).建立投放资金数据时间序列如下：x(0)?(x(1),x，?，x（2）(10))? (1197, 1036, 1589, 2468, 1722, 2563, 3041, 3303, 3844, 4027) （2）.求级比?(k)
? ?(k))x((k0?1)?(0） x(k),?,?(10))? ? ?=（?(2),?（3）(1.15541，0.651982，0.643841，1.43322，0.671869，0.842815，0.920678，0.859261
0.954557) （程序三是求解过程）
由于所有的?(k)?[0.643841, 1.43322],k=2,3,…,10,故可以用x(0)作满意的GM（1，1）建模。
(3).对原始数据x(0)做一次累加，即：
x(0)=（1197，2133，3722，6190，7912，10475，13516，16819，20663，24690）
（4）.构造数据矩阵B（程序二是求解过程）及数据向量Y
9
?1(1)(1)?(x?x)(1)(2)?2???1(x(1)?x(1))B??2(2)(3)????1(1)(1)??(x(9)?x(10))?2?1?0)?x((2??)?（0）?x1?? Y??(3）?
??????(0)????x(10)???1??
?u?(a,b)T=(BTB)?1BTY
从而得到a=-0.1, b=1201.8（程序六是求解过程） (6).建立模型
（1）dx?ax(1)?b dt 求解得到：
b?akb(0)x((1)?(x?)e??13215e0.1k?12018 k?1)(1)aa
（7）.预测2020年的投放资金：
）(1)?((0??(1)由 xk)=x(k)?x(k?1) 可得到：
(0）(1)(1)?(21)?(21)?(20)=9292.8 x=x?x? (5).计算u
因此可以得到：
预测2020年的投放资金为9292.8
4）. 对居民消费价格指数的预测
(0)（0）(0)(1).建立居民消费价格指数数据时间序列如下：x(0)?(x(1),x，?，x（2）(10))?
(100.4, 100.7, 99.2, 101.2,103.9,101.8, 101.5, 104.8, 105.9, 99.3) （2）.求级比?(k)
? ?(k)?x((0)k?1)）x((0k)
,?,?(10))? ? ?=（?(2),?（3） (0.997021，1.01512，0.980237，0.974013，1.02063，1.00296，0.968511，0.989613，
1.06647) （程序三是求解过程）
由于所有的?(k)?[0.968511, 1.06647],k=2,3,…,10,故可以用x(0)作满意的GM（1，1）建模。
(3).对原始数据x(0)做一次累加，即：
x(1)=（100.4，201.1，300.3，401.5，505.4，607.2，708.7，813.5，919.4，
1018.7）
（4）.构造数据矩阵B（程序二是求解过程）及数据向量Y
10
?1(1)(1)?(x?x)(1)(2)?2???1(x(1)?x(1))B??2(2)(3)????1(1)(1)??(x(9)?x(10))?2? (5).计算u?1?0)?x((2??)?（0）?x1?? Y??(3）?
??????(0)????x(10)???1???u?(a,b)T=(BTB)?1BTY
从而得到a=-0.0031, b=100.2895（程序七是求解过程） (6).建立模型
（1）dx?ax(1)?b dt 求解得到：
b?akb(0)x((1)?(x?)e??32451.8516e0.0031k?32351.4516 k?1)(1)aa
（7）.预测2020年的居民消费价格指数：
）(1)?((0??(1)由xk)=x(k)?x(k?1)可得到：
(0）(1)(1)?(21)?(21)?(20)=97.3556 x=x?x
因此可以得到：
预测2020年的居民消费价格指数为97.3556
5）. 对税收的预测
(0)（0）(0) (1).建立税收数据时间序列如下：x(0)?(x(1),x，?，x(10))? （2）(12582, 15301, 17636, 20017, 24166, 28779, 34804, 45622, 54224,59522)
??(k) （2）.求级比u? ?(k))x((k0?1)?(0） x(k),?,?(10))? ? ?=（?(2),?（3）(0.822299，0.8676，0.881051，0.828313，0.83971，0.826888，0.762878，0.841362，
0.910991) （程序三是求解过程）
由于所有的?(k)?[0.762878, 0.910991],k=2,3,…,10,故可以用x(0)作满意的GM（1，1）建模。
(3).对原始数据x(0)做一次累加，即：
x(1)x(0)=（12582，27883，45519，65536，89702，118481，153285，198907，252131，311653）
（4）.构造数据矩阵B（程序二是求解过程）及数据向量Y
11
?1(1)(1)?(x?x)(1)(2)?2???1(x(1)?x(1))B??2(2)(3)????1(1)(1)??(x(9)?x(10))?2?1?0)?x((2??)?（0）?x1?? Y??(3）?
??????(0)????x(10)???1??
? (5).计算u
?u?(a,b)T=(BTB)?1BTY
从而得到a=-0.1818, b=10848.81（程序八是求解过程） (6).建立模型
（1）dx?ax(1)?b dt 求解得到：
b?akb(0)x((1)?(x?)e??72256.4224e0.1818k?59674.4224 k?1)(1)aa（7）.预测2020年的税收：
）(1)?((0??(1)由 xk)=x(k)?x(k?1) 可得到：
(0）(1)(1)?(21)?(21)?(20)=455710 x=x?x
因此可以得到：
预测2020年的税收为455710
6）. 对城市化率的预测
(0)（0）(0) (1).建立城市化率数据时间序列如下：x(0)?(x(1),x，?，x(10))? （2）(36.22, 37.66, 39.09, 40.53, 41.76, 42.99, 43.90, 44.94, 45.68, 46.59) （2）.求级比?(k)?(k)
? ?(k))x((k0?1)?(0） x(k),?,?(10))? ? ?=（?(2),?（3）(0.961763，0.963418，0.964471，0.970546，0.971389，0.979271，0.976858，
0.9838，0.980468) （程序三是求解过程）
由于所有的?(k)?[0.961763, 0.9838],k=2,3,…,10,故可以用x(0)作满意的GM（1，1）建模。
(3).对原始数据x(0)做一次累加，即：
x(1)=（36.22，73.88，112.97，153.5，195.26，238.25，282.15，327.09，372.77，
419.36）
（4）.构造数据矩阵B（程序二是求解过程）及数据向量Y
12
?1(1)(1)?(x?x)(1)(2)?2???1(x(1)?x(1))B??2(2)(3)????1(1)(1)??(x(9)?x(10))?2?1?0)?x((2??)?（0）?x1?? Y??(3）?
??????(0)????x(10)???1??(5).计算u
??u?(a,b)T=(BTB)?1BTY
从而得到a=-0.0258, b=36.8774（程序九是求解过程） (6).建立模型
（1）dx?ax(1)?b dt 求解得到：
b?akb(0)x((1)?(x?)e??1465.57659e0.0258k?1429.35659 k?1)(1)aa
（7）.预测2020年的城市化率：
）(1)?((0??(1) 由xk)=x(k)?x(k?1)可得到：
(0）(1)(1)?(21)?(21)?(20)= 62.5801 x=x?x
因此可以得到：
预测2020年的城市化率为62.5801
7）. 对经济适用房投资的预测
(0)（0）(0) (1).建立经济适用房投资数据时间序列如下：x(0)?(x(1),x，?，x(10))? （2）(542.4, 599.6, 589.0, 622.0, 606.4, 519.2, 696.8, 834.11, 982.64, 1134.1) （2）.求级比?(k)
? ?(k))x((k0?1)?(0） x(k),?,?(10))? ? ?=（?(2),?（3）(0.904603，1.018，0.946945，1.02573，1.16795，0.745121，0.835381，
0.848846，0.866449) （程序三是求解过程）
由于所有的?(k)?[0.745121, 1.16795],k=2,3,…,10,故可以用x(0)作满意的GM(1,1）建模。
(3).对原始数据x(0)做一次累加，即：
x(1)=（542.4，1142，1731，2353，2959.4，3478.6，4175.4，5009.51，5992.15，
7126.25）
（4）.构造数据矩阵B（程序二是求解过程）及数据向量Y
13