- 在线时间
- 1630 小时
- 最后登录
- 2024-1-29
- 注册时间
- 2017-5-16
- 听众数
- 82
- 收听数
- 1
- 能力
- 120 分
- 体力
- 566721 点
- 威望
- 12 点
- 阅读权限
- 255
- 积分
- 175239
- 相册
- 1
- 日志
- 0
- 记录
- 0
- 帖子
- 5313
- 主题
- 5273
- 精华
- 3
- 分享
- 0
- 好友
- 163
TA的每日心情 | 开心 2021-8-11 17:59 |
|---|
签到天数: 17 天 [LV.4]偶尔看看III 网络挑战赛参赛者 网络挑战赛参赛者 - 自我介绍
- 本人女,毕业于内蒙古科技大学,担任文职专业,毕业专业英语。
 群组: 2018美赛大象算法课程 群组: 2018美赛护航培训课程 群组: 2019年 数学中国站长建 群组: 2019年数据分析师课程 群组: 2018年大象老师国赛优 |
4 o* d8 `; @2 J: n3 H
数学建模常见的综合评价方法及预测方法 o H. h& f, z) a0 N5 C( j4 _
综合评价方法
% ?" C, |8 P3 y) U: Z+ q( ?, {! b3 e; \# \3 l
•简单加权法
% y" o v+ f) t5 Y
$ F! G# U5 [& }2 a1. 线性加权综合法
8 F" q E( p9 y
2 u- k. D' S8 N1 {适用条件:各评价指标之间相互独立。
3 f. y4 D% o- x5 L2 y& Y
7 g. S5 g' I) ?* c: K0 v- A 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。
; f9 p. r2 o9 n) Y! a- [1 H" `- p/ f( q' t) u
主要特点:" J: r( V+ p2 p/ `6 T
9 Y5 n, B. S( h5 H3 I, {. s
(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 ;% \- J, G) f* m# X: [" T
" @9 b# t7 Q1 F5 i% ^9 {8 h (2)权重系数的对评价结果的影响明显;: y T+ G7 f/ r/ ~& D" m% J
6 c4 d& }7 Q, `! s( Y/ j W- \8 K
(3)对指标数据无量纲化没有特定要求。 : d2 U. N$ `! z- S* j, V$ p, I
$ J- u0 }# p7 R4 \$ u6 G6 Y! U" a) e& i
5 o+ _& {4 s- _0 J# f- P2. 非线性加权综合法
6 [0 e$ a8 x. e& u
x4 G' O( c0 N- Q% ]) W9 L0 v& K$ I" q( y4 {) [# j7 i( u- K1 ~
8 U+ v9 k V4 _! |6 | Y& [( ?9 n主要特点:
$ U: ^% F3 I2 o& ?* C. Y% I3 R
8 R0 _' S! ~* `* N$ }(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;+ w9 c& n7 V5 I+ T/ e! |
( p: H9 l) ^$ T9 ?7 \(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;
9 ~" K3 k" e$ @* o' S8 ]
1 g+ o, j( ]+ t! t* Z# X(3)要求无量纲指标数据均大于等于1。
. E# T. D( P/ P! I8 b% e& K# L& k3 a( Y2 D" E6 U, e
1 I0 n( o, o$ `) V
•逼近于理想解的排序法(TOPSIS法)
8 V& \# Z! E0 k1 ~6 S* _/ C
* c c7 {' t6 L4 ^ _# p; w
& d' U$ e0 l, L) S/ }8 |/ v2 T
4 Y, R. K: h' w9 ]( f8 `8 v9 G+ U" |! V# C5 |
7 V# J3 I! {2 G0 }: ^•层次分析法
5 S: ?: R: w; H9 |& I3 o3 w4 y& B( d: ]! p7 Z) d! ^
6 U. b: [+ `( j& ~5 \' p* A ^ m•主成分分析法
7 K k! o3 V8 S6 S0 C7 }% U. W, c. O8 g/ e
, n, r- m: m" c" R- `
•模糊综合评价法
, N: ?7 _0 H' m, D* O4 o& \
) u7 [7 J" h- |6 P# C0 _$ Y: ?
0 c U' J. U6 N•聚类分析法/ c. k; S \% [& Q1 R2 C4 l
* |# p( x d. f% X5 w8 }
2 a) O/ h9 m. V+ E
预测方法(具体见http://blog.csdn.net/sanganqi_wusuierzi/article/details/54800341). B8 T M2 r& o% a4 l6 s |# m
& _$ z4 P/ h# y2 q8 a! W. B- E
1.插值与拟合方法:小样本内部预测;
( u3 i4 G5 Q6 M2 Z
# d7 U' P& {: h7 W$ q2.回归模型方法:大样本的内部预测; }+ @0 ?( t. @
8 X9 Q: G- |- {+ h% [. W) ~! K
' j# P/ Q. \! b S" Z1 z- h; ?3.灰色预测GM(1,1):小样本的未来预测;3 r5 N: o0 T7 a6 M% E9 F1 U
0 b3 K% ^5 O, G4 w
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;
- ?' v6 k- F o( L p/ k$ ~$ N1 u: U' F0 C, y- l& X
+ G9 R+ G, M2 R6 Y* C7 w! g' {, Q5.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.
+ W/ N; d4 [) l, J$ K4 ]' u* C* G3 ^: I* Y2 u6 W8 \
: @9 I* @0 D+ T- K原文链接:https://blog.csdn.net/sanganqi_wusuierzi/article/details/54800283) N- v; } p+ z; V' E
* |, ^3 x' V7 ]% d# X' d8 Z3 y
|
zan
|