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
2 i& q/ H. E' m+ x5 v/ i
数学建模常见的综合评价方法及预测方法
" { u: d G% M) `
综合评价方法
" Q$ g6 \5 E( Z- C& }3 i3 h8 u
4 Q, h0 k6 o- b
•简单加权法
" D* D) Q b$ Z
2 w: R6 `* O! t2 r" o2 L( t4 j& x
1. 线性加权综合法
. f6 w7 L8 R; g8 j8 B+ t
2020-4-2 16:18 上传
下载附件
(75.03 KB)
+ A$ J* H) e% m/ P1 [
适用条件:各评价指标之间相互独立。
V; z9 g- l& Z# b8 {3 F5 {
3 m- Y% J* f/ ]
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。
! B9 s% x+ \& m( r6 h2 H7 G6 e
* m a+ L/ l2 b6 V7 ?" {& u4 P
主要特点:
8 o$ s+ [' E. w. v
0 C& `, M0 }& W, g i5 V) j7 X3 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 ;
; `; ]! F4 \+ E; O1 X% q+ R; W
! w" P. _' e4 g" F" @3 E0 H5 z8 G
(2)权重系数的对评价结果的影响明显;
4 l0 v& l! L; Z
! p1 s Y3 s9 N' r
(3)对指标数据无量纲化没有特定要求。
& C$ t: T5 O) n' p5 l, G2 j
7 ]+ j6 ~" ?! y* {# o
5 f( ^6 e8 o) S% @) e5 o3 Y
2. 非线性加权综合法
0 J- s7 R* k# o& J: ?: l: {
2020-4-2 16:19 上传
下载附件
(100.29 KB)
( P. k5 W* n& t: b' A& \' `) o
" X2 @% h7 h% c5 t. ^
1 S: [1 e% q, U& c) D4 }- ]
主要特点:
6 W5 _, ^; a8 ?* V% U1 H
$ H3 P5 O3 z) U0 j" a
(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 V: I4 S; H! A( d7 N
" b/ {6 {5 B* S" g7 y
(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;
5 O2 o! e9 m# Z! Z1 p7 i1 i( o
! X) b+ K' Y# B$ N) L
(3)要求无量纲指标数据均大于等于1。
0 j( [ Z) Z P: m% \! }$ U0 H
$ O) {; U$ O7 I
2 v( N: z5 N* O, U
•逼近于理想解的排序法(TOPSIS法)
: }' [/ I8 x; z1 Q
2020-4-2 16:19 上传
下载附件
(222.86 KB)
( ~! R6 J3 h, U# y
, S7 B4 f2 T+ K
2020-4-2 16:20 上传
下载附件
(233.52 KB)
. v4 ? t9 a' y5 {7 p
- \5 \: f/ Z( G
0 t$ a+ j* G9 ` y6 R
•层次分析法
) z! h A# t4 V/ t8 m# i5 {4 E
6 h* k @; k4 ^1 J4 {
3 C' j9 g% N; a6 Q1 a# W
•主成分分析法
9 Z2 ~0 j5 s6 k
: P3 L! b1 Y4 y
$ N! A1 c) r: i7 Q2 |
•模糊综合评价法
; O% A9 u' o3 k' i* w5 Q
( o7 m; b5 C$ c: k/ m% ~7 p. s
+ _$ u0 G7 K6 \- M8 N# D
•聚类分析法
- y$ a( n$ ?; T$ q% }4 K5 u
5 E/ N1 p& U0 v4 ]
8 B( s6 l! n$ `: R" f. j
预测方法(具体见http://blog.csdn.net/sanganqi_wusuierzi/article/details/54800341)
' \& U+ a( V0 c! r
2 p7 a. K* t% m2 f+ z! `8 A
1.插值与拟合方法:小样本内部预测;
, F5 m$ {* A' Q. V, \* }$ z7 u
: q" k, k1 ~' t$ S% J$ S6 L
2.回归模型方法:大样本的内部预测;
, {. l: M3 R0 H8 F# z
3 D8 F* u( d* h/ o$ b# V; y
5 F8 f% V8 ?$ g
3.灰色预测GM(1,1):小样本的未来预测;
) V1 [+ N& m) }$ P/ r
* |8 t# k" `4 L! r3 j( E0 _ u
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;
6 o; y( e1 [& }9 b# L0 L% s5 |
" h; L, E: S( d/ u0 R) Y! c* F9 x
1 W% J6 e. l9 S: x
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.
4 x9 @2 X% M/ X2 U* x. z
, c1 w% @0 D6 O
. T4 i0 T9 s5 F
原文链接:https://blog.csdn.net/sanganqi_wusuierzi/article/details/54800283
: a- @8 K! }' r8 T; c( [9 X, l( q
, C' }; i" ~) H/ P, @& C* e
' N1 g! [- ?2 I0 F7 N
作者:
SHINee0525
时间:
2020-8-22 09:52
挺好的 很有意思
; ]9 z8 @; c' s2 [/ a( X$ f
欢迎光临 数学建模社区-数学中国 (http://www.madio.net/)
Powered by Discuz! X2.5