GM模型，全稱灰色模型，是一種用於處理不完全確定或含有未知信息系統的預測和分析工具。它基於灰色系統理論，該理論由鄧聚龍教授於20世紀80年代初提出。GM模型通過使用原始數據序列的累加或累減生成變換，建立微分方程模型，以描述系統的動態行為。這種模型適用於數據量少、信息不完全的情況，能夠弱化數據的隨機性，揭示潛在規律。
GM模型的一般表示形式為GM(n,x)，其中n代表微分方程的階數，x表示模型中變數的數量。例如，GM(1,1)模型是一個一階微分方程模型，僅包含一個變數，廣泛套用於各種預測問題。
GM模型的特點包括：
數據需求少：適用於數據量少、信息不完全的情況。
預測效果好：在短期內預測效果較好。
運算簡單：建模和預測過程相對簡單。
適用範圍：適用於處理灰色系統，即含有已知和未知信息的系統。
GM模型的不足在於對非線性數據樣本的預測效果較差。此外，還有如GM(0,N)等變體，這些模型適用於特定的預測和分析需求。