数学建模常见的综合评价方法及预测方法

杨利霞

数学建模常见的综合评价方法及预测方法

' {+ d& J( w- }+ L0 n$ T综合评价方法

•简单加权法
! _, x6 Z" k6 M7 g; h
' Z% f( q$ I; ?+ C: p/ k, s9 R1. 线性加权综合法

( {" N- B4 z, Y9 F3 Y, f: n5 p适用条件:各评价指标之间相互独立。

  u: R0 o7 D' z0 b8 y   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。
# }: V" j* m9 R" l
! w: \/ U+ [) R1 F4 p, G" c0 b主要特点：
: p9 @4 c; H* l: M3 |
3 M& u) K% E2 b' ]- N* W( p! 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 ；
0 ]7 K9 _3 ^* C) s1 s
  （2）权重系数的对评价结果的影响明显；
% k6 r) N3 z9 Z2 N- {/ x
  （3）对指标数据无量纲化没有特定要求。
% K6 a3 }' H# @/ T% {8 h% _
9 ]3 L4 v/ S( O, c
2.  非线性加权综合法
1 D1 y9 x' [: Z0 H3 X5 W: Y


主要特点：
; `5 Q! o4 P8 g: e9 b" S
（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；
) v# N* z0 H6 ~5 P7 `  t( g
（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；
# @! L6 @+ Z; B- S9 p
（3）要求无量纲指标数据均大于等于1。
, V9 B: |# U& Y4 m7 l

3 D) r3 w' u+ I" y- t•逼近于理想解的排序法（TOPSIS法）
( H* [1 k0 P# x



) v; e: T* D2 y- O$ ]•层次分析法
  r: w. t) M, ^9 P

; T5 h+ |: ?- A2 |! u5 I! L* D& `7 r•主成分分析法

' g# K2 L. f7 [, M% ^
1 y- S/ [  w3 W2 A•模糊综合评价法

; Q+ R& L/ D6 y1 z, y! i
( G3 Q/ J! k6 I$ m' }( D+ e' L" k2 p•聚类分析法

( u0 @% o5 y% n  Y- N
, n! [" p% z' o  n预测方法
0 G$ a$ J- i$ \' s3 ^% S
1.插值与拟合方法：小样本内部预测；

( |5 [4 u) q4 ]) @- g. Y8 i# @) M2 \2.回归模型方法：大样本的内部预测；
2 |4 O  D1 J: D
2 u' C4 q/ x/ H1 V( }! N( g3 S& B
3.灰色预测GM(1,1)：小样本的未来预测；
+ H3 v, n1 M8 U( Z- \& G
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；
! Y! N6 ]0 T! ~

! F; n4 R, Z. E. w( R7 ?- y5 Y5.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．
6 s) s! `2 [5 W$ V  L---------------------
% G. b2 `  c6 Y, T" e2 J  T7 X! k

* K& v& D0 b1 Y1 I) E