数学建模常见的综合评价方法及预测方法

杨利霞

4 O/ d1 P$ z: R9 E3 [! r9 y数学建模常见的综合评价方法及预测方法
8 @. H$ `8 B) |& L: c. ?综合评价方法

4 K) y& E; M0 J' |4 C6 y, p•简单加权法

1. 线性加权综合法

9 A6 Z, V& t) o% I: r, b适用条件:各评价指标之间相互独立。

   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。

2 I& a) d7 a; K5 b主要特点：
1 }: i. W* ^# l# G; D4 g8 r( G2 n
. s# [' P. n8 h# c) @  （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 ；

6 B) h" B: @! \# ^! n5 [( R# ]  （2）权重系数的对评价结果的影响明显；

  （3）对指标数据无量纲化没有特定要求。


0 @2 l5 t: \( V: @- ~! I2.  非线性加权综合法

- q; R2 l+ @6 e5 h
$ n" n/ P) l9 ]0 _* O+ \. L: W6 n
主要特点：
1 p, X+ @2 K, z* D2 u  X3 Z0 n1 g
4 B  P% @+ O( z8 W' v8 }& [（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；
( A& {) ?  @. A% v
  ], l' b8 M+ \  y" V/ A（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；

) _7 y: x6 M9 k  q) K, B8 R（3）要求无量纲指标数据均大于等于1。
* ]% C/ F: X6 m' k1 D9 f$ S
1 h- q$ F/ M7 e/ S3 v
•逼近于理想解的排序法（TOPSIS法）


! |4 H, i$ c+ P' K; k" k$ T( T
9 v" [9 ?7 F( L& T0 v+ H
$ T) ~5 X4 [. v1 p8 y& A9 _+ y
# q3 u7 F- \' L* ]5 G•层次分析法


•主成分分析法


•模糊综合评价法


•聚类分析法
. S. M- t' _6 l
0 m5 V% T: H# u) W/ f9 _$ E- n
; N, P' q7 @9 i& Y; p预测方法（具体见http://blog.csdn.net/sanganqi_wusuierzi/article/details/54800341）

1.插值与拟合方法：小样本内部预测；
! W5 o  y9 y# Q% k4 j
2.回归模型方法：大样本的内部预测；
. G( w" \; u/ c4 [1 N4 g

3.灰色预测GM(1,1)：小样本的未来预测；
3 d5 r+ n  i& F" [
( k- J9 v9 z$ s$ v* ~' \2 V4.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( i3 g. R$ r5 ?
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．

' _$ [% f$ L0 y6 \& s& V; ?3 ]
5 p  `1 I0 v( N: g& f. D原文链接：https://blog.csdn.net/sanganqi_wusuierzi/article/details/54800283

SHINee0525

挺好的 很有意思