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
3 v) P. w8 v/ n0 J8 u8 t综合评价方法

•简单加权法
- X; k4 j8 ^5 @  b, ]& w2 w+ d
! u8 ^; j% ?- m7 g1 V1. 线性加权综合法
) o' e- }! ]0 ^" Z" o% d: Q8 l' Q
适用条件:各评价指标之间相互独立。
4 h; A. O0 ?5 \$ H8 B- }
  m. C8 Z# H7 f: ?, f* C   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。

9 m; E3 s- b, \3 x9 @- I1 _8 e/ F主要特点：
  n/ ?& s1 ^7 c9 A- G; Q
  （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；

; K5 q- G% _  ]  （3）对指标数据无量纲化没有特定要求。
! Z# \; J& P  p. Z# o
$ |; o* \# i  Y) j% p4 n' M4 A0 z, W
2.  非线性加权综合法
4 a& R( _3 F. A" q7 K( b
+ i, n" R, x( h' g# P3 }
/ N# ~2 y+ ]9 J9 ]7 L
主要特点：
8 Y5 B: r2 O# `$ e
8 {2 y# U: z0 n( X4 U# [（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；
* q+ n. \( w& V  A, m! F8 n
7 E+ Z2 A, G. d) ]) b1 X5 j4 x（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）
/ D8 A1 ^. ]5 u1 [! x! y2 j

; g" D$ N+ z8 W. Q  y% j* a
4 j) ?. E6 n5 ?5 J- N" Y

•层次分析法
1 P; B$ F) j1 Y9 R( p2 {) ]# L

% b' ~; B/ v- _$ ~•主成分分析法
' m: F4 ]2 W2 F# g5 v8 d0 R

•模糊综合评价法
: M$ i- e. J/ B% G

•聚类分析法

" \$ O* j: H: Y4 a1 r# R0 q
; U7 y) i+ h/ g0 Q. v4 H( i预测方法（具体见http://blog.csdn.net/sanganqi_wusuierzi/article/details/54800341）

: R! b5 v0 Y! u4 m+ A1.插值与拟合方法：小样本内部预测；
& g$ k" V7 R2 Y% C2 ^! E
2.回归模型方法：大样本的内部预测；
4 x, G, ^" V$ R$ P

3.灰色预测GM(1,1)：小样本的未来预测；
( Y4 x8 ~! Q: f
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；

: b" w; W/ j. \( p- W+ a* o
* i6 a. D9 _; a5 L2 h5.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．
" ^1 c( @. J* A9 n

: n% ~" J: n1 }- K5 v4 ]/ M# x原文链接：https://blog.csdn.net/sanganqi_wusuierzi/article/details/54800283
# }, N; @2 G; }
# ]8 p; `7 C& k7 i

SHINee0525

挺好的 很有意思
: ]2 O( o/ z$ }; X' S2 J