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
4 r/ z/ R1 H0 N+ |" c& j3 e, H4 J0 I( a
数学建模常见的综合评价方法及预测方法
9 g) z" q- C+ b3 r
综合评价方法
# R' y! M& x! T+ |! v4 K
& ?- d, g% K' ]( F
•简单加权法
. ~! ~5 r0 d9 U# ]( ?% m
, [8 g; W4 G1 C
1. 线性加权综合法
) W8 S6 y0 J/ ]2 P" S/ j: I5 ~. P
2020-4-2 16:18 上传
下载附件
(75.03 KB)
* O: S( T1 w1 |
适用条件:各评价指标之间相互独立。
1 }- B7 T$ }7 j& E& m: u
$ z3 Q5 z; k" 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。
3 {, c2 l4 C& p$ v) b: s/ V; V
0 r6 U! H: V4 _5 K0 [) _8 D
主要特点：
. \9 p1 |: O( ^2 o
1 W; `" f, H! I) R) x# 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 ；
0 M9 ]0 I" I& A% s% e# ~
& J0 n0 J0 J, I& t4 F
（2）权重系数的对评价结果的影响明显；
`. E% Q3 `; g+ Q+ h
: q, v) h# B2 x: s
（3）对指标数据无量纲化没有特定要求。
5 ~7 U+ d0 E6 S3 a5 ]$ x- G! u
3 R! y3 h+ k8 H/ `- d
! P6 L. ], `$ Q9 T/ B# G
2. 非线性加权综合法
7 K6 _9 n, ^& T! k, d
2020-4-2 16:19 上传
下载附件
(100.29 KB)
; I# S" d5 ]) d5 e
9 w5 v9 k% ]5 r( I1 v
# n! ^& g1 m+ U2 J7 k' X' |2 e3 l
主要特点：
7 I8 e6 l7 V, z% T4 Z" G$ T5 M3 y" u5 U
1 w6 `5 {" T4 c) X* ]
（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；
5 m) s+ H5 E# m G
: ^/ I3 P7 a0 a6 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；
0 b: h' o; C& r! c
7 J' ~: ~" t4 z* L" [
（3）要求无量纲指标数据均大于等于1。
+ H/ H' P) Z$ \3 ?- z% a. z% q. C& ~
a; C' V4 f& F5 x
# W0 T1 C( r% L0 O
•逼近于理想解的排序法（TOPSIS法）
. M6 s& V7 D7 J" s, [" j
2020-4-2 16:19 上传
下载附件
(222.86 KB)
9 e6 z! _( t$ Q- H6 c
8 k$ O1 ~: u: D' e6 C; E
2020-4-2 16:20 上传
下载附件
(233.52 KB)
4 D# `% F) `" c" w: q: B
{! A) ~0 ? Z! p8 {, o) J( S
/ M4 f2 v2 u" s; X1 H: H
•层次分析法
7 O/ K0 @5 P$ n J1 v
7 X: D# R& ~! \" }+ l8 u
! G0 D* K: M* l- t9 p! e0 j- b7 j
•主成分分析法
" ` R# D h6 A% m5 x5 `
: ^/ @: s% J% g% e/ y! c4 o. j
! ~- K3 }( X/ a4 g) p9 z' ?
•模糊综合评价法
& K/ U. e( b4 I- ]9 f
7 q0 w1 o9 r+ J/ i w
& x8 x9 @. \6 r+ Q3 @# u4 M
•聚类分析法
1 o6 h% o4 E; M( }8 h+ A# e7 \
7 [8 ~: v+ D* `/ I2 [" x0 [
+ ~& Z! A1 i7 s6 X8 V0 e2 u4 c
预测方法（具体见http://blog.csdn.net/sanganqi_wusuierzi/article/details/54800341）
, z0 o* X% Q$ _9 K
2 E( u1 L3 h2 v; G: I$ U& z, y2 V
1.插值与拟合方法：小样本内部预测；
/ H V, X6 ~, W, s$ a. Q' [4 N
+ d6 [* y0 {- m" E" {# J
2.回归模型方法：大样本的内部预测；
* O5 b3 @. @$ D6 v U+ ^$ `5 x
8 {: {0 o2 M: ^9 D' W4 b' A
5 d0 u- Q& Y# x5 _0 t: ~3 e
3.灰色预测GM(1,1)：小样本的未来预测；
3 S: x# h+ m3 c
" r& Z% D" `/ |9 {/ S7 H8 }
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；
; q0 z" e, a. _4 ^( x2 a( S
8 j3 |" o- J$ U
% a* \% w# b6 o. z- }
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/ X7 Q& v% i. o% [$ o6 t2 B
% a& y& ~# M8 C
( c/ M- B% ~. b% L1 T* V; O
原文链接：https://blog.csdn.net/sanganqi_wusuierzi/article/details/54800283
0 w8 _% ^3 C! ^; j! Y8 z
9 O% c( Z Q C) ?( ]
8 y7 a4 r0 A Y# D6 A$ Z& E
作者:
SHINee0525
时间:
2020-8-22 09:52
挺好的 很有意思
7 d7 R: p5 l x
欢迎光临 数学建模社区-数学中国 (http://www.madio.net/)
Powered by Discuz! X2.5
