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
5 ~6 h) w2 m3 A: {; w9 e
数学建模常见的综合评价方法及预测方法
/ }" s8 V7 X5 {% I5 ?5 \
综合评价方法
& y. y/ ~7 Q- H% O6 m6 F) l8 j, O3 {
0 Y' B- W$ W! I% f
•简单加权法
! s1 A& k u* v# o( }
8 E4 a3 v# X! e+ q
1. 线性加权综合法
5 `/ C; g% F6 O
2020-4-2 16:18 上传
下载附件
(75.03 KB)
/ V& ]4 ~' e( t8 ]
适用条件:各评价指标之间相互独立。
' d2 i1 Y/ t% V$ x# D- N8 d
. J- j0 m3 E0 R5 |! O9 L
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 X; U% s& ~: [5 m
6 m3 @5 @& c# G/ x& @$ e+ ?& V& X
主要特点:
3 q! r V2 @! ?7 H' |- ^# n
- N$ {4 v4 v; M' r+ p) ?2 B
(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 ;
( A3 A- p! ~: f: R' w4 K; ?2 ^
% C3 c* u8 Q; p6 y
(2)权重系数的对评价结果的影响明显;
" h, j6 Z+ k. g; B7 T
8 v6 S( T# o! V- S- ~
(3)对指标数据无量纲化没有特定要求。
5 r: n4 k0 i) Y2 D
# |. `- i1 `, C
7 H+ O; A# n" T1 q h
2. 非线性加权综合法
8 K2 T* o+ z5 R/ m* i
2020-4-2 16:19 上传
下载附件
(100.29 KB)
6 d; V! `0 C0 V; q
, D/ q5 W Q5 J8 Y4 c: C; m
! h4 L6 J5 G- b2 F/ [' f
主要特点:
z3 l% A/ X" z! k0 Z3 o
0 w& Z1 g1 t p3 p# P+ r
(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;
# [: ?; V; ~9 ~, u* f# t3 e1 Y8 L
& j( [1 ~# q( \ e4 N3 M
(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;
! d7 q: R [9 N V; z" B9 E: D$ ]
. f3 ?* [ b, z) x; r
(3)要求无量纲指标数据均大于等于1。
& K; o( V: I- j( p$ ?/ _
# W3 @, L9 g- ?; }4 V: _
- {, n8 ^# @$ [' F/ [
•逼近于理想解的排序法(TOPSIS法)
, q7 {/ U x3 u3 o. Q
2020-4-2 16:19 上传
下载附件
(222.86 KB)
+ b; P. x3 p: c! r
7 u+ C) Y4 S( k( o" [
2020-4-2 16:20 上传
下载附件
(233.52 KB)
( S" G7 f2 _. b- X w8 \
: _& Q4 Z, F8 T& h8 R' _
7 G5 C. H3 \8 w
•层次分析法
/ j% _, C" O3 a2 c
$ ~+ f+ L1 l4 d& B! I0 d& C
2 f+ q: Q+ K* B' ]# s
•主成分分析法
& N! A* X/ J% q7 g# O: Z: b
+ E; U9 q, ]! h; X9 H
6 x: g% t# s% L$ }8 @6 e w6 }: Z
•模糊综合评价法
0 j: a5 G% d; V' D1 w Z- I' H
a# r2 u8 u/ y( Y, u% B
; \ a( l a) @% a! ]) E- E
•聚类分析法
6 U( x+ m7 ]! C, `7 E
3 u I& ~$ v) d- s
5 Q7 [8 K3 c- o+ h) s, z
预测方法(具体见http://blog.csdn.net/sanganqi_wusuierzi/article/details/54800341)
5 w: a1 i% d* S& d+ m7 _, \
# Y8 W- P( n7 M: Z9 U
1.插值与拟合方法:小样本内部预测;
3 ? \( u3 w' ~: ~, L6 h# T5 ^7 i
# s! _4 g6 G4 Y) J' X1 }
2.回归模型方法:大样本的内部预测;
( U7 N. W$ y( ]! Y; |0 D
+ E* }' _5 ?6 x/ Q9 `# a& u1 x3 T- B
! T9 V4 k% u- c. c5 p. Z, `4 H
3.灰色预测GM(1,1):小样本的未来预测;
. }% h1 i$ h9 s& x9 C c
* o; E7 r* G- e( N. _# j
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;
V. T) k3 _, c& {. x
9 E) K/ h* V$ I! u [' ~5 |
: G: A8 N7 N# E9 D4 W: 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.
( N7 s# N% w+ O0 H
3 u& F6 C F$ Z; _% ~+ R+ {" I
* w& U+ O0 ]; Z. z
原文链接:https://blog.csdn.net/sanganqi_wusuierzi/article/details/54800283
4 E1 ?* K" G' q: H
% Z# X$ J) ~% Y1 k
) U$ S X! p- S" @" Z: h
作者:
SHINee0525
时间:
2020-8-22 09:52
挺好的 很有意思
! T7 Q6 B( N0 U0 f) L- ^7 d
欢迎光临 数学建模社区-数学中国 (http://www.madio.net/)
Powered by Discuz! X2.5