数学建模社区-数学中国
标题:
数学建模常见的综合评价方法及预测方法
[打印本页]
作者:
佛自业障
时间:
2018-11-1 11:04
标题:
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
: J5 u3 h _# I9 z6 k, m
6 C* _5 K( J+ g8 l
9 ~2 N+ m; e1 q' u' p5 ^! ?
适用条件:各评价指标之间相互独立。
% d. a+ X; s4 b5 m" ] C9 S
( f0 y! e. Z# h: D$ w
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。
" l$ R) H( M$ A% y; u5 @9 z
6 c' v$ a1 y# s1 B0 S% N; ?
主要特点：
8 x, M: K& K7 o9 n: |2 r' U
L" \; E9 @% h1 M( d5 v
（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 l9 L7 h7 ~: M3 y; X# S
5 y3 G( y6 S0 L: h5 y* `
（2）权重系数的对评价结果的影响明显；
, D# V; v) X/ m: ?6 E1 z
: Z- |5 ~ s2 _1 b5 m8 q# X
（3）对指标数据无量纲化没有特定要求。
7 G0 y: K% t: l$ @- |+ m% f; q, K
: A# b* w) h0 B. i
- ]) p- i( M# }3 B
2. 非线性加权综合法
# V2 e3 U: P. M' V: K! L
" x) L6 I9 r2 w: H b2 l/ z
: G% b6 K+ }4 }# d7 X y
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。
& V- @1 H6 b: _5 K- p4 R
- r$ o! }9 F3 D5 F! _
•
逼近于理想解的排序法（
TOPSIS
法）
1 a/ G: n: K$ d4 G0 p$ Y- X
- {8 [: F3 N9 Q4 L
+ j) Z! `3 w1 _6 m; W; |
3 y0 F& [) X) R
/ j3 X. Z! I! Y7 Y: e% J9 D+ E
层次分析法
* [. j e( @; l4 b( ~, f
8 ^& ^9 w0 \, a g! U! k$ V
•主成分分析法
# x q7 ^# M/ ~( w
& \$ k/ S, e3 Z8 H) ^: ^1 L5 W5 o
•模糊综合评价法
! \: ~8 C* j8 a1 I9 d
# V, H# z, m& w1 h2 e
•聚类分析法
; z/ L0 x2 m! I
% }9 j! Z% B' X! C* z1 v
预测方法（具体见http://blog.csdn.net/sanganqi_wusuierzi/article/details/54800341）
7 `+ p) R0 u* k- }
1.插值与拟合方法：小样本内部预测；
& C8 X9 N, }8 V2 z5 P& \' c
1 B- ~* O6 H+ X' y1 A
2.回归模型方法：大样本的内部预测；
' Q6 s4 A; ^* s, I0 g
- C$ Y& Z; V% f/ f( `
4 }/ u3 h% O$ p
3.灰色预测GM(1,1)：小样本的未来预测；
) s1 V5 e: E- w: i
; w$ o8 D) P' g. e0 Y) [/ ]
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；
. ^( `) u( V5 s
% s( y& G1 }, x8 N& j
7 L( h5 T8 |" _* Z. d" s
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．
& I" `# n5 m j8 B
" w8 \, P' ?! g, d
/ f" }) X* w% i4 ~3 ^
' k% X) w% M% u% C7 s
1 ]! j' d: y" c
% O% J4 M4 K X1 @0 E( o
1 S+ `% _* h0 j( l5 ~; J+ C$ s* q
欢迎光临 数学建模社区-数学中国 (http://www.madio.net/)
Powered by Discuz! X2.5
- {8 [: F3 N9 Q4 L
3 y0 F& [) X) R