1.一种基于SA-PSO的工程应用预测方法，其特征在于，包括如下过程：步骤1：获取工程数据，建立非等间距GM(1,1)模型的原始数据序列X(0)＝(x(0)(k1),x(0)(k2),…,x(0)(kn))；

步骤2：对所述原始数据序列X(0)作1-AGO处理，得到1-AGO序列X(1)，其中，i、j为数据序号，Δkj＝kj-kj-1,Δk1＝1；

步骤3：根据所述1-AGO序列X(1)，生成背景值Z(1)、计算矩阵B和Y，获得所述非等间距GM(1,1)模型的表达式为x(0)(ki)Δki+az(1)(ki)＝b，通过最小二乘参数估计获得参数序列为其中，a为发展系数，b为灰作用量，步骤4：通过模拟退火算法和粒子群优化算法，确定背景值和初始条件的最优自适应参数p*与δ*；

步骤5：利用步骤4所得的最优自适应参数p*重构背景值，建立所述非等间距GM(1,1)模型，利用步骤4所得的最优自适应参数δ*重构初始条件，求解所述非等间距GM(1,1)模型的白化微分方程的时间响应函数，即为所述1-AGO序列X(1)的模拟预测序列 通过累减还原获得所述原始数据序列X(0)的模拟预测序列 即为工程预测数据。

2.根据权利要求1所述的基于SA-PSO的工程应用预测方法，其特征在于，步骤3中生成背景值Z(1)包括：其中，q为计算参数， p为自适应参数，p为一个整数值，p≥1， 为1-AGO序列X(1)的拟合函数，

M＝x(0)(k1)-N。

3.根据权利要求1所述的基于SA-PSO的工程应用预测方法，其特征在于：步骤4中的初始条件为：其中，δ为自适应参数， θ*为时间参数的最优值，其计算方法为：G为计算参数，

4.根据权利要求1所述的基于SA-PSO的工程应用预测方法，其特征在于，所述步骤4进一步包括：设定误差阈值，以所述相对误差平方和指标小于所述误差阈值时的p和δ为最优自适应参数p*与δ*。

5.根据权利要求4所述的基于SA-PSO的工程应用预测方法，其特征在于，所述相对误差平方和指标为

6.根据权利要求1所述的基于SA-PSO的工程应用预测方法，其特征在于，所述1-AGO序列X(1)的模拟预测序列 为：

7.根据权利要求1所述的基于SA-PSO的工程应用预测方法，其特征在于，所述原始数据序列X(0)的模拟预测序列 为：