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
( s6 T- ?# L& y) j8 n0 C! Y# B+ p; _综合评价方法
* ]3 J  F' a. |! m3 q: i
/ {- _8 Z2 D; v% j•简单加权法

1. 线性加权综合法
& O* d0 s+ a9 `5 }( n  g
适用条件:各评价指标之间相互独立。

2 R+ V/ s/ T" B7 x   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。
% t+ [, r# ~+ Y1 ~6 j- s9 n
主要特点：
0 h* ]% ~' f7 [" B
  （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 ；

  （2）权重系数的对评价结果的影响明显；
( e9 d" i5 ^* Y7 Z8 y) L
& M. ?6 _' D8 Y5 E+ C  （3）对指标数据无量纲化没有特定要求。
8 S1 M8 J; B) w4 J: E
/ S/ o6 x, \: V+ y( X% m  T
: h  D  @" @* B6 J" J) m0 s3 n: i2.  非线性加权综合法
3 F  S5 I$ t( `/ @

' u$ y" W/ g& R& u2 f0 g
主要特点：
+ _7 ?- `8 r, m2 l; @$ L3 u0 J
' d+ `1 T9 t, C6 K( d" `- c（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；
4 c3 N( w* G& I
& C+ o1 }, }$ `  d2 O/ c（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；
1 i# a$ ^* e1 }6 l# o' X
8 R. ?) v& G2 Q. G* D（3）要求无量纲指标数据均大于等于1。
- ?8 q: ]6 O6 y3 \7 ]# M; k/ p
' f. M& Y6 ~/ b/ b# A( z1 ^
* G( Z& J3 J7 g/ F•逼近于理想解的排序法（TOPSIS法）
2 j3 ~- ^0 @5 |- @9 f  S# c

, b$ Z  G' ~$ }- v- a" E
  F: n$ _7 `" \. {% J- ]9 f

•层次分析法
! L  M" G! L+ _9 X
; j, ~) H! v# f
3 a% u/ j; k4 j/ h. P. |+ Q& {/ D•主成分分析法
+ g1 |5 A  N  D- n! M  q8 y8 n( R5 [
8 g3 O: \8 }% u$ |8 R2 P+ f
/ V7 a+ ]  w- P" L* u•模糊综合评价法

$ R4 k+ q7 b5 r
•聚类分析法

3 O0 c) x, P* A3 Z5 ^
3 ~$ q2 o" ~* g7 B! b9 a/ F/ u2 p预测方法（具体见http://blog.csdn.net/sanganqi_wusuierzi/article/details/54800341）

) R0 O4 J4 P7 X- E0 u% n1.插值与拟合方法：小样本内部预测；
9 c0 T  |2 G8 f6 T8 S
3 }: G- }4 w$ [2.回归模型方法：大样本的内部预测；
& U2 D5 s+ a4 }& S# }, b" t) E$ S0 X

2 _7 Y4 m3 i3 z1 L* Q  [$ `3.灰色预测GM(1,1)：小样本的未来预测；

5 {) n0 V3 N5 b+ i7 [$ [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；

$ F% a3 c; X2 D5 P
+ q- w8 d1 I4 e% i) g  v5.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．
- f0 a/ a  w- d4 ]9 G! J, a
* m  d& S3 U" k) ^  `
原文链接：https://blog.csdn.net/sanganqi_wusuierzi/article/details/54800283
  u% z( r7 s& c: I

9 {/ p- a6 ~! \$ J- \" u2 [1 T. f. C

SHINee0525

挺好的 很有意思