灰色模型GM與時間無關

很多人會反對這個標題-灰色模型GM與時間無關，但這正是我這次要論述的主題，眾所周知，灰色模型是基於時間序列進行疊加處理後求微分方程然後白化處理，若不是時間序列，微分方程的處理就不合適了，你若深入瞭解就知道，它其實是基於分析物件與時間構成的二維散點圖進行迴歸分析的一個方法，而GM(1,1)並非真正意義上的一維灰色模型，其實在灰色理論上它是一維，但在處理手法上，它是二維，就因為它潛在了時間這個維度。如果我們忽略了時間這個維度，灰色模型是不適合的，而且灰色模型預設了需要資料在等頻率時間上的表現。
但是今天，我要推翻這個觀點，我認為灰色模型與時間無關！它的分析物件不需要是時間序列的資料。首先，我引用愛因斯坦的一個觀點：時間其實是我們的錯覺。所以我們對於10年前的那個時間，可以看作昨天，我們對過去的事情怎樣看待，它就是怎樣。如此一來，我們可以把10年看成一天，把一個月看成一年，這個長短我們可以轉變看待，我們甚至可忽略這個時間的長短。那麼忽略了時間我們怎樣獲取一系列的資料用在灰色模型上呢？隨便在不同的時間裡拿資料可以嗎？表明上看是不可以，因為之前我提到了，它的求解實際上是基於分析物件和時間構成的二維空間進行。但我認為可以，只要你把時間這個維度不按時間來劃分即可，例如我們可以把時間這個維度換成身高，即資料序列按身高排序，又或者換成體重，基於灰色模型的處理方法，必然可用，不同的是預測出來的結果就不是未來的結果，而是基於身高更高或體重更重的結果。
進一步，我們若要預測未來的情況，可否依然忽略時間呢？回想愛因斯坦的觀點，時間是錯覺，那麼其實是可以的，我們可以忽略時間間隔來做資料，當然按時間次序做還是暫時要的，做出來的資料會不會不適合灰色模型的運算方法呢？那就要看你以什麼做資料了，我們可以以每次出現資料差異的情況下記錄資料為標準做資料，這樣灰色模型預測出來的下一個資料就相當於告訴你，在下一次資料有差異時的情況，而不是預測下一個某個時間的情況。這種記錄資料的方法大大節省了我們抓取資料的工作，就算遺漏了某些變化情況沒有抓取，這也只會影響灰色模型的精確率，不會影響大局。
基於上述討論，我認為灰色模型GM其實不只是針對時間序列，它其實是針對一系列有標準依賴的資料，這個標準依賴不一定是時間，可以是其它因素。所以我認為，灰色模型和時間無關。