- 在线时间
- 1630 小时
- 最后登录
- 2024-1-29
- 注册时间
- 2017-5-16
- 听众数
- 82
- 收听数
- 1
- 能力
- 120 分
- 体力
- 565747 点
- 威望
- 12 点
- 阅读权限
- 255
- 积分
- 174947
- 相册
- 1
- 日志
- 0
- 记录
- 0
- 帖子
- 5313
- 主题
- 5273
- 精华
- 3
- 分享
- 0
- 好友
- 163
TA的每日心情 | 开心 2021-8-11 17:59 |
|---|
签到天数: 17 天 [LV.4]偶尔看看III 网络挑战赛参赛者 网络挑战赛参赛者 - 自我介绍
- 本人女,毕业于内蒙古科技大学,担任文职专业,毕业专业英语。
 群组: 2018美赛大象算法课程 群组: 2018美赛护航培训课程 群组: 2019年 数学中国站长建 群组: 2019年数据分析师课程 群组: 2018年大象老师国赛优 |
数学建模常见的综合评价方法及预测方法
' r4 E. j3 g) K# y/ a! J9 y# D& m! l& V7 X" \* o
综合评价方法
3 b K1 q; v0 r- I+ ^. [- l/ c+ s( I% N3 i6 j
•简单加权法7 D9 f- F# d% W, B
' a/ o4 z3 t; e0 R8 ~- s
1. 线性加权综合法: Q* A# R9 E. v
- [- \* Y9 y# ^. G, j, a+ J适用条件:各评价指标之间相互独立。
" O3 s7 g. s$ Y4 y+ B, D
. q, b1 m- `6 _: ]- I8 w, X 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。
# l- o. s) j: d/ x' O) G
& z$ o9 p. Y/ {( Z! [, B) @主要特点:6 L" w# K9 O" G
: [4 L$ e2 o' I* g! d; U" u
(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 ;+ _& Q; V4 m8 l; r
9 x9 H3 K3 f, Q, s
(2)权重系数的对评价结果的影响明显;6 C1 M$ ]4 R$ f! t& w$ w! O# [: Q: `
( k7 Z8 P0 X; J# l (3)对指标数据无量纲化没有特定要求。 * T n! T% x4 |7 X
/ ~0 O" B# u4 y c3 Y+ v* c, h; u8 b7 e1 M! b0 A6 m. E
2. 非线性加权综合法
( {# s4 N! @; N0 ^/ `/ m: E
+ ^# m7 p" Q# S5 ^6 K/ b- _2 w) d/ L2 C
- o' W( i/ J: e' k
主要特点:
+ ^. J6 l7 d k0 L9 l( O- n$ k$ S2 ?& @5 z
(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;
9 T% q; y5 ]$ m* e; n2 O# q8 c6 W
(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;" f. `8 }! d7 l1 ?
% }2 e* r6 q8 g5 f0 y4 M(3)要求无量纲指标数据均大于等于1。
- g; }. Q$ Y/ K O0 z3 ]
) P. G: j5 m( J1 }, y2 v7 k6 n+ l3 }3 y% ~" q: I$ @, t7 ?, J
•逼近于理想解的排序法(TOPSIS法), H, S# [: m! [- S2 w5 C
6 x3 M5 _) B, I* _8 G
6 g) j$ X2 B5 ^9 W- K0 y; i; ?: f4 q# s+ `, H- w
7 t A2 { ~/ ]/ ?- l$ i8 r1 A
•层次分析法
: V7 n/ |- Q. j: Q/ j4 \; c) N- f6 N7 ^5 R1 C4 {' i3 M2 i r/ p
$ O; q+ @# `, f! @$ W& v
•主成分分析法
o. x# Y1 Z0 M$ _0 L4 y! n$ n) S7 ^
L+ V! r: u/ l. x' c
•模糊综合评价法
: D3 H# l, w9 F0 A; J6 C h# F+ c
* E0 |4 \6 |( J/ W" A" o" j, [
•聚类分析法
4 V7 ~2 H1 [4 g% y7 y* ~4 { z5 d0 m! F1 L* {+ I' ^! A6 |% c/ n
- G" A: \6 K* S7 _* W/ ]0 S' o预测方法) j/ h& C! g2 b% f
0 N ]+ I) S4 H
1.插值与拟合方法:小样本内部预测;1 o+ T1 |5 X5 B9 C* n$ e; Y( n. X
1 l; C; |7 K8 b+ N' v5 W* g2.回归模型方法:大样本的内部预测;
: R$ C) U8 c* H5 Y5 V3 s' M" T; n# t" L% U
( Y1 r3 G% r- e0 G7 E/ h
3.灰色预测GM(1,1):小样本的未来预测;
7 [$ s+ e m. j N! H
; H: f0 _" J3 d; _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;# r O/ E* g. U3 O: R7 ~
- K4 _7 [( |! _3 u5 T8 ]
& q" Q: k. c8 f" C+ X, O5.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.' l1 o4 d, x8 g- B$ Y7 F! k6 A
---------------------
- c! I+ v) Y$ T+ j {2 M& B) I- a; S# k( i: p% R8 {
5 S' I" ^& c, j* y
% G; U2 Z! m' e8 N9 ]+ p/ [- p
" E* R3 l* P, G6 V3 W2 r' ~ |
zan
|