灰色预测理论广泛广用于工农业生产，但传统的预测模型适用范围是低增长近指数，那么对于高增长或非近指数序列是否就束手无策了呢？人们想通过数据变换技术将高增长转化为低增长，将非近指数序列转化为近指数序列从而达到了提高模拟预测精度的目的。于是从最常见的平移、对数、开方三种数据变换到指数函数、幂函数、三角函数、反三角函数变换，尤其是单调递减函数变换技术倍受青睐，在实际应用中取得了良好效果。为了衡量数据变换前后哪个更适宜灰色建模，引入了压缩级比变换（即缩小级比偏差）概念。本文分别就单调递增和递减的离散变换、连续变换f(x),序列{x(k)}nk-1递增和递减的不同组合情形,分别通过特征序列g(k)和h(k),特征函数G(x)和H(x)描述了缩小或扩大级比偏差的条件,从而补充、完善、修正、系统化了“缩小”级比偏差判别方法,并通过理论严格证明其正确性,通过实例验证本文结果的合理性,方法的可行性.