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


适用条件:各评价指标之间相互独立。

" h" ]! G6 N2 b& C) |  B   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。

) b8 G: P- l& M, X主要特点：
; ]2 s/ a( `1 a6 T& T
  （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 ；
7 G% H5 \- s, c$ |! E& D
  （2）权重系数的对评价结果的影响明显；
! U4 m) C( `2 R+ t- ?# Q& O7 _0 g
$ F  t: B8 Y/ O( R  （3）对指标数据无量纲化没有特定要求。


+ Y  X& @6 j1 _! i/ R2.  非线性加权综合法

# f9 w( L! C1 A$ r1 ]  z
' S# n$ ~" S6 k0 R  U; O

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。

% h' o5 z! E, {
. p( a6 B- S& O: h6 W1 x* }1 Z1 N•逼近于理想解的排序法（TOPSIS法）

. V' C* z8 q' Q0 j
! c; w( u% E: l0 D1 S3 w# O/ X
, C3 A) c# B+ S
: o# e8 I8 t5 f  a8 y, e# f. O层次分析法

•主成分分析法

•模糊综合评价法
7 g0 T  \8 s7 U. Q: u7 Q4 V
•聚类分析法

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；

4 {9 j+ F, _  f: }2 Z1 a, R6 S2.回归模型方法：大样本的内部预测；
0 {2 Z' d+ e( I3 m  R
7 Y+ B( ]5 V/ h  b' V; F
3.灰色预测GM(1,1)：小样本的未来预测；
5 G+ H0 [: d9 z2 e
" j0 v  w6 A! ^) Z4 _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；
: O2 w) c$ a- T, l3 F+ K+ y

  ^: ], e7 |( N2 E5.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．

& x1 D; V8 k  e( @: K+ m: a% A+ H4 h

, ?9 t$ O% t5 l% L* F; u
1 r% ]! k; `9 i" Q/ o$ e" N8 S! A

+ T; Q- L- g7 D( R. S