数学建模常见的综合评价方法及预测方法

佛自业障

综合评价方法•简单加权法1. 线性加权综合法
! B! N2 j) r+ L3 j

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。

& u; r8 H+ F5 N% }主要特点：
0 [+ f+ `7 R# q- X8 \
  （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 ；

/ y- M% F7 j7 X: M4 v  （2）权重系数的对评价结果的影响明显；
% T) ]+ u0 k1 V7 Q9 ]
6 j# [$ b: G7 N1 y3 V' n2 z+ b  （3）对指标数据无量纲化没有特定要求。
" X7 Q# O6 Z- ]( U8 P5 U

2.  非线性加权综合法
. z3 |9 q- N; O( E2 `- N$ x
3 Y% }7 F3 S) i9 f
! y( M' @; W; z

主要特点：

（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）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；

（3）要求无量纲指标数据均大于等于1。

# P( r9 ?5 o) i# a/ v  r3 i% d
•逼近于理想解的排序法（TOPSIS法）

, q8 k; y: o; N: l" H# W, r


层次分析法

•主成分分析法
& i2 {& _5 C- J8 l, A
•模糊综合评价法

•聚类分析法
2 r. y! M+ I) g4 l% y2 q& A
预测方法（具体见http://blog.csdn.net/sanganqi_wusuierzi/article/details/54800341）
2 \) k0 x# `& P$ K! ?- {1.插值与拟合方法：小样本内部预测；
+ j  ]  G) L$ K8 U' r
2 }, e" G: O) |$ c9 O' h' I$ W# @* A2.回归模型方法：大样本的内部预测；

% D& ^. M7 I/ q+ D. x8 x7 f
( m  v/ h& i; H3.灰色预测GM(1,1)：小样本的未来预测；
6 ^! Z0 Z* Y: A, X1 F4 f9 r
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；
2 k1 u1 p( Z4 {$ r

( s8 ^- o0 F6 B( \2 ?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．
7 y2 w4 C) A! ~8 z
. ~5 ]! c' F' E' D8 r4 \- @3 j
7 ]( g: l* `1 R+ G
. A# ^5 J2 r# X
& \, B  _0 I8 Q' q
" i* o& `3 W! _+ O) T2 N$ x0 W