数学建模常见的综合评价方法及预测方法

佛自业障

综合评价方法•简单加权法1. 线性加权综合法

' v2 u; a$ d; k! K( u+ W; R' C. v
适用条件:各评价指标之间相互独立。

   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。
4 P+ z& F/ }; u; t# z8 D
; E  O9 x5 L4 ^: ?3 k, |主要特点：
$ ]7 l/ M9 x1 \! z8 {3 `
  （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 ；

' b8 ?3 k. v' y  （2）权重系数的对评价结果的影响明显；

: N. v( u5 P: o/ F( _$ v  （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

0 E8 J* I1 i, T7 R) O7 ?5 ^% |

主要特点：

（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；

（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；

（3）要求无量纲指标数据均大于等于1。

•逼近于理想解的排序法（TOPSIS法）
3 g. C6 Z  t( q) u" L3 W2 [; w
$ d4 V8 c! {( E7 D. k! D: x8 D7 o
, ?' K% {" H) n- T- f

层次分析法

•主成分分析法
. s0 u+ M) |% x- V& x
•模糊综合评价法
' l5 Q' K+ w$ C2 z4 Q% Z
•聚类分析法
  e/ w* ^; x9 U& n
8 Z. i( Q. T3 R7 @3 a预测方法（具体见http://blog.csdn.net/sanganqi_wusuierzi/article/details/54800341）
1.插值与拟合方法：小样本内部预测；

* m; U3 X$ o6 ~4 Y- Y2.回归模型方法：大样本的内部预测；

! c2 c/ A4 \) a* ~# V
' N, d  e, B. L8 W& [  A. g+ D3.灰色预测GM(1,1)：小样本的未来预测；

; z* O: t1 o' o3 x4.时间序列方法：大样本的随机因素或周期特征的未来预测；

, N6 p0 |# V- Y; O5 Z( X& K( X: a
, ^; U2 V" d2 [# X% G+ x5.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．
$ @% [/ U2 F) p+ A" ?/ }; @

9 U  T& Y5 U) b7 N5 I
# `% k# `# \* F* y1 ~1 b7 B$ L8 m! y
  [1 v5 H/ J2 O" q
6 {. ]7 e* y4 R$ m: v