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:
杨利霞
时间:
2020-4-2 16:21
标题:
数学建模常见的综合评价方法及预测方法
& {( V1 X. A' L) i9 C
数学建模常见的综合评价方法及预测方法
$ ^* e0 ]& W. Y% \' t) J' K
综合评价方法
2 F0 G3 x* J- m# B# @' i3 S
" X( a! ]4 |! C: Z7 ~
•简单加权法
( I) R# u) e* ?# n; T* X2 C: f
: Y; x5 B2 S+ l: v; Y
1. 线性加权综合法
& B v4 {/ L3 J$ X
2020-4-2 16:18 上传
下载附件
(75.03 KB)
7 w5 C$ @" n0 {2 R' ^) a( y- D# C9 w
适用条件:各评价指标之间相互独立。
; w* x/ |/ y6 j& A9 u, l
; c0 @* ~7 j1 ]
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。
0 E& n" [. W) K. D
. g# z0 {+ o6 A
主要特点：
0 `" {' U( C, b5 Y; R, b* v2 g
5 I2 v) k: F7 p" _- F
（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 ；
$ G" t8 a' L& s$ T* U* g
: T- n2 N3 T) K5 n- n2 @7 {
（2）权重系数的对评价结果的影响明显；
& c8 H6 _! c# R$ L# i
$ P6 S/ c7 x" S9 c/ J
（3）对指标数据无量纲化没有特定要求。
9 L5 a4 x+ o: }
8 C; v& B. @6 e1 F
$ j) E u- r) W. _+ l
2. 非线性加权综合法
5 B2 A) x8 U) m5 D7 \
2020-4-2 16:19 上传
下载附件
(100.29 KB)
" b0 a: ]1 P3 Y) K) e6 h" {
- k& r7 G% J( m) Q' F J: i( O
O, r3 D- m! D! t5 I" l
主要特点：
; ?5 r) S$ U) Z! Y9 C: @! ?& E
% I' x# e& x% a: \0 u
（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；
7 l5 r& l# c" z6 [, y2 J* d/ r
' X4 ]; B( s9 D
（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；
: U* Q3 n. e$ K9 A( P
+ P+ n& l: @% r3 [/ p9 U
（3）要求无量纲指标数据均大于等于1。
/ J8 Z! W8 ^& z1 G8 Y& a/ M
( @% c$ u8 c! M9 N) k+ Y
) F+ e8 l+ y0 G! t
•逼近于理想解的排序法（TOPSIS法）
; t. l: {. X8 {3 s/ Z" y1 j! S
2020-4-2 16:19 上传
下载附件
(222.86 KB)
+ n9 c1 R1 q8 U+ L4 \8 T
; h- ?2 k; k/ b# p
2020-4-2 16:20 上传
下载附件
(233.52 KB)
N* v; b" U+ A* m7 L/ y7 I
# r$ s/ e% r1 U! n
! p8 ~& N9 K5 d4 A. t5 K
•层次分析法
- E7 D3 e$ `% e6 Y+ q2 p+ L, _! ?
! Z* p3 Q0 N J6 r* j
2 {, `0 m) \! U
•主成分分析法
. n4 _+ r6 p/ a9 J( ]. I
' [0 C% j E/ _8 t3 ? {( x& e
' u5 {( J; I) G' v7 C& a0 F* c/ X
•模糊综合评价法
+ m) @. h& i2 P1 J9 B8 `
* V( ?/ D- U( R
?# m0 m, `; j1 U
•聚类分析法
* }( M4 f& D m) e) X [
$ q* b* _2 ~) o8 }6 s7 I4 `
) E, x" H3 o& g# ]
预测方法（具体见http://blog.csdn.net/sanganqi_wusuierzi/article/details/54800341）
& p s0 P. c" O# Y# E) L0 ~
4 K" x; y1 O+ y. x
1.插值与拟合方法：小样本内部预测；
9 w$ t) V6 ?) q# S6 V* O. L: M
( Y4 c7 u, j( b! {
2.回归模型方法：大样本的内部预测；
: J: ?1 H } @8 u# l
6 }+ @) ~0 y* D
9 B! G. A% A' g u* V5 }- r
3.灰色预测GM(1,1)：小样本的未来预测；
2 S1 _3 y; N p
6 d. v) C2 b. ?, v
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；
' a. A7 `5 o4 i6 P, j* i
' { [& `3 n9 b$ D) B7 R
3 @" u! T9 @' c" t4 {8 b8 G
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．
% T k9 ]2 T" Z" J; P5 }
5 M2 h, S7 b! F2 M
/ l% y: n) N( E# Q+ g! N
原文链接：https://blog.csdn.net/sanganqi_wusuierzi/article/details/54800283
1 g! m7 z' N3 B9 L6 r! j! n
4 V4 k. C2 V* g0 G" Q
. h" x( q( z0 s& k0 F
作者:
SHINee0525
时间:
2020-8-22 09:52
挺好的 很有意思
7 x4 C) s [& b; b: s% u
欢迎光临 数学建模社区-数学中国 (http://www.madio.net/)
Powered by Discuz! X2.5
