- 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
- 565536 点
- 威望
- 12 点
- 阅读权限
- 255
- 积分
- 174884
- 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 |
: ]: S5 ~ ]- ]* r数学建模常见的综合评价方法及预测方法* J1 w6 c; H. z: B! _2 @
综合评价方法
0 u; K9 V0 }2 J* C* S& L" u
. M' D( i7 ~' q1 n4 q•简单加权法
2 h8 X$ j; B( o5 X& s7 u4 _6 {+ F5 |! w% i
1. 线性加权综合法
) ~ B4 v8 w, K7 V3 i7 G* ^9 C. ~
& ?, t! ^8 \) U) ]& }适用条件:各评价指标之间相互独立。
* l! O2 P% e& u: C# b( R- {. Z7 D, U o% g: Z
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。8 v0 V" b" M+ X( H3 S' ?
7 _4 U \2 a9 [2 }7 b主要特点: a! W+ W& i4 D" E
$ `8 w2 l" V0 w6 v0 P: U
(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 ;
/ R. \9 l: Q3 f& J5 b7 F! s; I) M
(2)权重系数的对评价结果的影响明显;) E( x1 G: Z- ]) ]
f* @8 L. Q7 `% o2 v (3)对指标数据无量纲化没有特定要求。
0 f* `' k' `) \4 {" L4 c" D' c1 h% q' |5 f ^% I2 b
4 O9 Q3 ^* \$ _0 Q4 _6 n# r
2. 非线性加权综合法 * B, t: t. ?3 L) O* z
B% a: o/ L6 T- N
, y2 r$ ~, |4 ]' X1 S& F1 z
+ C% d0 r+ T. P" f2 N4 @. _* ]/ i主要特点:: v! v6 x! `0 Z& p B
3 u. ]9 {' W) R; z& ]
(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;
1 [# u' e3 r6 a! `* n6 [: q' [1 h) E$ A# m) \9 n# 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;* h! V$ D f: p4 b2 S" L2 X- x$ d
" a( g% U/ S8 o5 g
(3)要求无量纲指标数据均大于等于1。% F4 K! ^* L7 u/ C! T% A1 l
9 k5 @% s8 ?! N: l- f- V& a" @5 ?
+ n$ P# Q. E" R' @ j# m•逼近于理想解的排序法(TOPSIS法)- d H" O* X& q9 I, \! X
" o; ~( S5 Z+ w
1 C9 n1 ^/ i1 {% @" S
+ r! y" `* u) k* }3 J
. W% X" k& [7 `
' w+ H& ?3 m) d1 X' u5 _•层次分析法
x7 ]8 ^, |1 n/ ^& h
6 \+ Z; F; \5 q1 ]9 M$ ]" o$ d7 }5 Q% D/ z0 k7 } h( E7 E* ]- g7 [
•主成分分析法
' F p1 \8 u3 H! l. v" k0 I
) l* u- q6 B* ?5 k. o. V$ |5 [$ Q
•模糊综合评价法" Y; M# v; n8 m9 T3 f4 |% {, m% S
5 Z+ I: |1 Z3 y! u7 n) d% |8 m
6 ]! n0 ?& q, Y/ F
•聚类分析法
; N. U- I- f4 V, E! f( F6 G9 E
* w+ C) N9 I* w, [$ D
4 I1 K0 F/ t1 g预测方法(具体见http://blog.csdn.net/sanganqi_wusuierzi/article/details/54800341)
( Y, u B$ i5 X |' G( z/ m5 U5 {; i6 Q+ I
1.插值与拟合方法:小样本内部预测;, `+ n6 W" `2 J. ^+ P
# I/ Z6 O/ C$ @' `* k7 U
2.回归模型方法:大样本的内部预测;0 n6 d1 o* x4 b# H7 @) `
( W5 W3 N/ R% R9 h1 g
8 y, A8 P$ o7 B9 B% V& B
3.灰色预测GM(1,1):小样本的未来预测;
: I( S# W$ L% N3 _. c( }. G8 t5 k; p. y9 `! r
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;' \7 T' @& B8 n1 _! ~; H* R
; a) \' X d( `% {. ^
( U. p& Q% X7 R: \2 F- y% P0 U4 r5.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.# ^. n: T' I2 ?- H, a2 e0 w& H
# W8 S/ ?& T, Q4 R# t7 R. g/ `
; Q, Q/ x& h3 P7 m
原文链接:https://blog.csdn.net/sanganqi_wusuierzi/article/details/54800283
@4 ?9 R+ q' z; u
0 P# y4 D6 y$ W% r% w3 [( @/ _1 H
|
zan
|