数学建模常见的综合评价方法及预测方法

杨利霞

& e5 i- _' F$ ~! k0 K9 E数学建模常见的综合评价方法及预测方法
9 E6 L. x% x+ N* u) W综合评价方法
; x) l0 r7 Z; U- ^/ {
2 V2 }8 O: W+ z) c% t•简单加权法

6 e1 A1 }) [5 k$ }2 ^( y' }9 U1. 线性加权综合法

适用条件:各评价指标之间相互独立。
6 r( |# S1 t5 V  d
. C4 l2 ^- P' s1 a* j* |0 Q& }   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。
* ^+ U9 ^3 u7 _8 M% p
$ x' @6 b. Y" }0 v主要特点：
$ P" e3 ], e6 y* j
6 r# l* k) f3 L- r. d& b* R  （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 ；
" `. q! A) P1 s6 W+ M* |
9 h7 W1 P! x$ o, Y0 N  （2）权重系数的对评价结果的影响明显；
5 I. W+ O9 Y5 t+ N5 t0 ~( i- \; V
0 x. r" u) f4 G" m9 p% S  （3）对指标数据无量纲化没有特定要求。


2.  非线性加权综合法
! z) k7 w3 }: B- f* j
7 E( S+ p' O& z

4 d5 M% Z  S0 Y; ?, T+ ^1 ]主要特点：
* e$ {; N9 Z" H- V" ?/ v5 T6 ?) h2 w
（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；

  M; }! _3 \& Q  \9 `（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；

/ U8 a! E; n7 H（3）要求无量纲指标数据均大于等于1。
" {: o$ n, x2 ?6 j0 }
  i: S  k3 p9 }. Y: N
# k0 e! k3 `' Z•逼近于理想解的排序法（TOPSIS法）

8 E) h9 n5 Q1 X+ ]' J( [5 W
8 Y- Y( `7 _" w
! X% l( u! M  \- ?+ W( s+ m+ g
# n8 i1 L2 R- e- I" a' \5 N
% S. I. E$ W7 U7 b' l; [2 S; L/ q& ~•层次分析法

: d1 C4 S, \* f# E
: S! N1 l8 W* o9 X$ i! |) T•主成分分析法

* z7 G' y$ n6 N! O. O: G+ J
•模糊综合评价法


. o2 Q# Z+ f& R3 W3 o8 k& B; g6 {•聚类分析法

0 S7 p3 [, f' M3 `4 f
预测方法（具体见http://blog.csdn.net/sanganqi_wusuierzi/article/details/54800341）

: C, J2 ]7 O9 X" ]. ]4 z, V1.插值与拟合方法：小样本内部预测；
8 F) @3 ~" ^8 r. e
1 J! E: M( p# Y  Q' w2.回归模型方法：大样本的内部预测；

5 \0 w# n3 N, q' I! q$ ?  C3 k
3.灰色预测GM(1,1)：小样本的未来预测；

( B7 t' f; O+ {! q+ A. e$ n4.时间序列方法：大样本的随机因素或周期特征的未来预测；
5 s- m% `! K7 y6 Z0 {6 j

3 t6 W* v$ `% ]% P* I  K5.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．
% K: T- n! a8 f( \# z! T6 f; a" d
8 u: L" ?7 |4 K& ?' R8 R
原文链接：https://blog.csdn.net/sanganqi_wusuierzi/article/details/54800283
* x; S9 a, @3 j

SHINee0525

挺好的 很有意思