数学建模常见的综合评价方法及预测方法

杨利霞

9 v" ^" H$ i" d/ l数学建模常见的综合评价方法及预测方法
5 V3 p% ]7 z; A. ^' Z3 z" [综合评价方法

9 e8 S) i( j% b& H. e% D" |•简单加权法

1. 线性加权综合法

适用条件:各评价指标之间相互独立。

& L1 M, v4 @& j% e7 D   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。
7 z; @) ?" J2 N/ ^5 r; T) N( F+ N
; l) G* b. V- t5 M$ z主要特点：
% d2 R. F# a8 m6 H# ?
  （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 ；
' Z( N$ o# U# \$ v/ r' o0 g( [
  （2）权重系数的对评价结果的影响明显；

9 I5 p& e# c8 ^! P8 n' j& q  （3）对指标数据无量纲化没有特定要求。
( W2 P5 e: ~% h4 g

2.  非线性加权综合法
/ w' x$ Q5 b  X; Q
8 g( `( E- `' }) H& `

主要特点：
* i; i& h- C" _" @- r" t# j6 p
; R& a( x% m7 N（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；
- h0 I# y$ H* C* ?1 E
' e7 y& j# H9 `6 {1 E: L; I% B（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；
* @" D4 b$ @. e+ y9 `' j/ V, q$ M
（3）要求无量纲指标数据均大于等于1。
  W( n7 j: l% [9 V7 |
" ^9 ^' p2 p' i5 k9 ]. Z& Z% x
•逼近于理想解的排序法（TOPSIS法）
' O4 d8 r  R6 f9 G

- L& X& E8 [* V) r# s


! v$ M  t# `5 S: t% C. p7 n•层次分析法


•主成分分析法
. z7 Z9 i( W: a7 y' U1 z

" m$ x) m# u5 m•模糊综合评价法
0 Q, T( i5 f. S7 _! r0 ^7 ]

* b  X, E3 p  k  Y# W2 Y5 E2 @•聚类分析法


& n9 K' r. ^* e预测方法（具体见http://blog.csdn.net/sanganqi_wusuierzi/article/details/54800341）

& }) V- X* @4 j3 \2 E7 ]$ g$ x1.插值与拟合方法：小样本内部预测；

2.回归模型方法：大样本的内部预测；
; S  y& q6 w% m+ i9 a4 Z
5 T. \% x- Y- s. g
9 v5 e/ B# V8 c3 r$ D1 ?3.灰色预测GM(1,1)：小样本的未来预测；
% Q4 v  C7 r, S' W# P. b' C% _2 T
# x/ u  g* k% ^; {* t4.时间序列方法：大样本的随机因素或周期特征的未来预测；


  P  C; C; P  z! i& [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．


原文链接：https://blog.csdn.net/sanganqi_wusuierzi/article/details/54800283

SHINee0525

挺好的 很有意思