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

/ S0 L( l$ T* b$ O+ s综合评价方法
) ?' E1 _* D4 X( j. Z/ J' P3 F
. ?/ ^( A1 C7 Q8 U& r•简单加权法

1. 线性加权综合法
$ g, |2 s7 x: {1 b* t; I: y
适用条件:各评价指标之间相互独立。

4 z) T( B0 D. F8 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。

主要特点：

  （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 ；

( U' T- s  M( G  （2）权重系数的对评价结果的影响明显；
5 ~, }4 m# H2 G7 z
  （3）对指标数据无量纲化没有特定要求。
2 j7 d6 m( k/ s) C5 a# d

2 O+ [2 `0 ~( K% ]# ^0 f9 `- k2.  非线性加权综合法



' H% u( m$ n  u" j; b; G主要特点：
1 \3 g7 `8 |9 Z' q5 f/ n/ D4 O
9 N* X3 Y- i' n! M& q# l（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；
! e: E" ?5 u( D: S" q! f
（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）




- i5 X( N2 b: r2 U•层次分析法


•主成分分析法


•模糊综合评价法


•聚类分析法
) s9 k/ [4 {" X; u- j4 T

& F* M* ?, D' I+ D+ i( J$ V+ }预测方法
! c2 }9 _. D, b) Y
1.插值与拟合方法：小样本内部预测；

/ ^3 T5 z, r2 s2 x1 L- A$ E2.回归模型方法：大样本的内部预测；
2 l$ S" }; i; |6 x# q
0 D0 i) n7 P3 m  l3 J* _# ~5 ?
) c# `4 Z2 [( ~( J* N1 v; r3.灰色预测GM(1,1)：小样本的未来预测；
% ?* |8 ]+ F0 s+ T. \: h3 Q7 Q
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；
5 i" {8 A* s6 A- }

5.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．
3 F" ?& }0 r0 T& l* Q3 M, ]% k---------------------
( }/ V( s4 L5 _4 [/ E
, p  R9 |1 Q" a: a

# {( V0 Z: E1 @3 R, D  ?