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
2 Z+ s/ U% u! J* q/ s. c
8 S; k1 ]' O4 b$ j6 g/ C
) |9 s5 r6 H7 b( P. k( X) T
适用条件:各评价指标之间相互独立。
* K. q1 h- |8 y# ]$ g0 G0 }/ s
! f: G; w* t7 n& k; m; e
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。
( w- _5 }' J: U
\3 i3 y. g2 E( ]& @/ ~+ B/ N
主要特点：
M. F3 Z5 H2 V( Y
1 w$ O, @2 {4 A0 g! @
（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 ；
& s- A2 B' n+ W0 r
% M0 c p! I0 F' V
（2）权重系数的对评价结果的影响明显；
' T" e( } m3 |- w
$ p6 U4 i3 P4 I" @# {3 o
（3）对指标数据无量纲化没有特定要求。
5 q4 A3 \! W6 N3 ~- q0 X$ K
# [ N3 Z6 Q3 S" }
: I( |7 W- l8 Z$ G' F( [
2. 非线性加权综合法
- x; @6 ?9 i2 c/ V n
& D: V, ~5 T2 }1 m, O1 O% X6 o
3 u; v( |. D/ v# ~3 W7 R
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。
' J$ m: p- A% N9 Z' R1 w
7 \/ r$ K4 n, ^, `' V3 L% Q
•
逼近于理想解的排序法（
TOPSIS
法）
3 \) G/ S9 g& ]1 R- x3 o
6 x% C$ u5 t& y/ j
% O2 `; B; {2 ?, K/ h$ \- |
, `8 [2 l2 L# e' H4 s- x+ i$ k
! x7 S7 T( w! h* f% O
层次分析法
' k! W* Q- i% {8 T
! @) ?2 x. C7 j
•主成分分析法
, Y5 F X K2 x* F9 \7 e5 T
+ I7 M9 {7 Z5 E8 e3 w
•模糊综合评价法
4 n$ V ]) z @7 J" ~0 u0 |
9 Y# A7 e0 ~# d0 w
•聚类分析法
2 c) M8 p. t5 v' {2 M7 w& _
2 O: i. O. t2 R1 r
预测方法（具体见http://blog.csdn.net/sanganqi_wusuierzi/article/details/54800341）
( b" V1 y% R% P0 p. y
1.插值与拟合方法：小样本内部预测；
! q4 U) e+ `" O: I- o8 l$ S
6 U+ X ~* W2 C! |
2.回归模型方法：大样本的内部预测；
8 |5 f# q. T) A! i9 s
! V% B. F. S' U& Z1 `: b* i
/ J# @, L. n% X4 l
3.灰色预测GM(1,1)：小样本的未来预测；
7 T2 k( F, \: f& f6 p% d( n5 o5 o- O
9 r, C. {1 @2 V* d$ z: P( |( r5 @# L! _
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；
7 G- K1 z6 v" g8 S
; q3 t7 v6 L' K3 D6 Z
4 l& ]5 X% U& ?) W4 k
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．
* T1 j# X- H* j+ J& a g
- z1 g3 e" h2 Y( S
" _% A) o3 I' J% S
* {) x2 S% }% n. y' ~; @$ K: L
: u, y; g. L/ o! C7 i
6 B" I6 [& A! B- x6 f7 x
9 n2 ]' t# |; w6 A
欢迎光临 数学建模社区-数学中国 (http://www.madio.net/)
Powered by Discuz! X2.5
& D: V, ~5 T2 }1 m, O1 O% X6 o
