数学建模常见的综合评价方法及预测方法
综合评价方法•简单加权法1. 线性加权综合法https://img-blog.csdn.net/20170131213804856?watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvc2FuZ2FucWlfd3VzdWllcnpp/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/Center
适用条件:各评价指标之间相互独立。
对不完全独立的情况，其结果将导致各指标间信息的重复，使评价结果不能客观地反映实际。
主要特点：
（1）各评价指标间作用得到线性补偿，有“一俊遮百丑”或“一见钟情”的效果 ；
（2）权重系数的对评价结果的影响明显；
（3）对指标数据无量纲化没有特定要求。
2. 非线性加权综合法
https://img-blog.csdn.net/20170131213935935?watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvc2FuZ2FucWlfd3VzdWllcnpp/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/Center
主要特点：（1）突出了各指标值大小的一致性，即平衡评价指标值较小的指标影响的作用；（2）权重系数大小的影响不是特别明显，而对指标值的大小差异相对较敏感；（3）要求无量纲指标数据均大于等于1。
•逼近于理想解的排序法（TOPSIS法）
https://img-blog.csdn.net/20170131214135810?watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvc2FuZ2FucWlfd3VzdWllcnpp/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/Center
https://img-blog.csdn.net/20170131214216760?watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvc2FuZ2FucWlfd3VzdWllcnpp/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/Center
https://img-blog.csdn.net/20170131214304839?watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvc2FuZ2FucWlfd3VzdWllcnpp/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/Center
层次分析法
•主成分分析法
•模糊综合评价法
•聚类分析法
预测方法（具体见http://blog.csdn.net/sanganqi_wusuierzi/article/details/54800341）
1.插值与拟合方法：小样本内部预测；
2.回归模型方法：大样本的内部预测；
3.灰色预测GM(1,1)：小样本的未来预测；
4.时间序列方法：大样本的随机因素或周期特征的未来预测；
5.神经网络方法：针对大样本的内部机理复杂的数据的未来预测．
页:
[1]