【摘要】在ＧＭ（１，１）对数据进行预测的基础上，采用一种信度马尔科夫链对结果进行修正，新方法引入了ＤｅＭｐｓｔｅｒ－ｓｈａｆｅｒ（Ｄｓ）证据理论来描述相对误差所处状态分类的不确定性，将相对误差的所有状态归为一个辨识框架，建立基本概率指派函数，然后对灰色马氏链的转移概率矩阵进行重新构造，最后根据近期相对误差所处的状态得到将来的状态，进而修正预测结果。最终结果表明，新方法克服了马尔科夫链划分状态的不确定性，提高了预测的准确性。