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 m3 W8 m- Q& S. H+ X$ N) W

/ F- \& p/ @+ A, K# {) ?, u3 K: p$ f
适用条件:各评价指标之间相互独立。9 P4 ?3 j& k3 F" n2 ]- x, @
, f" _( |: \/ [" y
   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。# V- W! j0 e7 M" a' J6 w7 C, [

: B9 I2 o2 r7 p主要特点：
/ X* ?. b7 V/ Q2 l5 M7 l3 b* K8 ~- ^: h+ `2 q* p  j
  （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 ；- Y7 h+ ?+ N+ @: f6 v  E3 X/ v6 |* W

0 O( N* @4 o5 X. l- g" n( ]  （2）权重系数的对评价结果的影响明显；
3 ~/ y% u! J6 }: O& h5 C/ c' i$ ^( ?) ?% F; V0 Y) e  E% q
  （3）对指标数据无量纲化没有特定要求。 , s7 @; l7 t3 m
: J" P' n+ {4 {2 _
* l) h: m2 g! H- b$ D* U
2.  非线性加权综合法 5 w7 L4 g4 y  ~: y: C- |! Y

, W# q2 D- e, E; p8 V) L$ \% F
( J' {6 N) `$ N' d

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。

  `3 g, E4 P  ]: E4 O/ G

  p* o' u% d: W( i•逼近于理想解的排序法（TOPSIS法）
; k6 A/ i6 @* ~" L( P
' s- I$ X1 [+ t1 R/ ^% D6 \" C9 J4 v" ~

8 G4 r2 ^% ~% f0 h4 [  g8 J, A5 j/ I3 y( k/ |- ^' l- k1 m
层次分析法
( p/ R/ S: c" z0 h5 Q1 _- C
3 T: a6 H; `( k•主成分分析法" Y7 Z0 |. U6 h0 r4 T+ X) c

6 X, m/ x% O" `' a, J7 A•模糊综合评价法
% s: A: g9 B1 H1 }' t% H0 O* y; n. E% g  e! \: S8 m; e1 I
•聚类分析法) d5 X% A! D& w4 q# O; v6 i
/ C+ W- S/ a- A* q9 }: B
预测方法（具体见http://blog.csdn.net/sanganqi_wusuierzi/article/details/54800341）
  y) u4 [5 J# ~7 F7 K1.插值与拟合方法：小样本内部预测；" L2 n) u4 j$ A2 X) n

* L1 g) G6 Y- X/ c2.回归模型方法：大样本的内部预测；7 \% n  q  z+ E6 A& a1 S6 q( }
4 J1 o4 D& h+ _( A

$ Y" [+ S% E$ \( |9 p8 ^2 o6 S& _3.灰色预测GM(1,1)：小样本的未来预测；
/ S( O% a, ~  I$ c: Z2 k/ h! ~" I/ d8 m& h$ t
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；
3 P2 N& K- }) F; b" M
1 a* y2 F( b, |( J/ a
! m% R0 ?* y2 p3 S8 }! a' ]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．! v, S0 t& f+ Q0 r& ?
' U" B! I' r. U2 V
7 {! M# _6 K+ c& W% u& I

0 Z: ]# W+ I4 f  u! s
/ V4 D. X8 E: y$ p" Y; P! D. T! {5 x

* I" {+ g2 j. O+ |/ D, P4 Q, \



欢迎光临 数学建模社区-数学中国 (http://www.madio.net/) Powered by Discuz! X2.5