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
' E& t) \- L. q  F

适用条件:各评价指标之间相互独立。

: Y" q, T  r5 ]/ }   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。

主要特点：
3 }  L" a& }2 h: a' b1 s
) g) s8 m! F; Y9 F  （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 ；
: n' }, @9 z% }8 S" [) b: {
  （2）权重系数的对评价结果的影响明显；
# D0 ^+ I' U$ b) f) D, k
  （3）对指标数据无量纲化没有特定要求。
/ a9 B! m, |( b  J3 j

2.  非线性加权综合法
, |" j5 d; V& W  w* I' |9 i
: }7 b* \% z- E) g; f5 D0 O& G" [* F
7 k7 ?8 t  \: ^& n5 b

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。

•逼近于理想解的排序法（TOPSIS法）

$ E/ ^3 A) _8 Y+ _2 f

/ r* o, Q, T6 E2 _7 R4 s, M5 q( R
层次分析法

•主成分分析法

) q. a5 g/ j! m2 N  o•模糊综合评价法

•聚类分析法
* \) p4 ~; R5 x" G0 u- X& {% k- n, J
9 h# a; P) b) L1 T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；
" s3 M$ J7 L' ?" m( H
- B% K$ ?( \% g$ L7 @# v2.回归模型方法：大样本的内部预测；
: D, D) Z- B9 `7 a
' j5 p" v3 R! \+ }! R
3 F1 {1 I$ y" T3.灰色预测GM(1,1)：小样本的未来预测；

" I. p& m/ a9 @9 q; E' W# E+ e' C4.时间序列方法：大样本的随机因素或周期特征的未来预测；
: D9 u: V# r+ M- k: \' p1 s
& L8 ?, @2 D7 Z3 V6 A
! g0 g3 @# j9 @" P3 Z5.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．
2 a9 i6 a' V  _% K

- v; H4 a8 c7 D, P: s9 a: y% t. Y0 N