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

8 D1 C5 a+ ^- g/ x) m, @, @' G' m
适用条件:各评价指标之间相互独立。
" g/ Y! e9 A1 @* L4 V3 {
   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。
. D2 d" B. h6 t9 Z% K1 e
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 ；
" x2 f) P7 \* B2 t  V
  （2）权重系数的对评价结果的影响明显；
( ]" ]  F- b5 V! ^+ C8 y" y
  （3）对指标数据无量纲化没有特定要求。

8 e% E+ l! m5 `- E5 m
2.  非线性加权综合法


! J& O& }& j- J

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。

* b  N* a7 Q1 c( {' B4 d
•逼近于理想解的排序法（TOPSIS法）

% y6 J  _# s4 I& {0 h
! J7 m7 s4 {* v6 T( Q. Z

层次分析法

4 f, F6 \0 x: y9 N4 d" M•主成分分析法
. `0 \. G5 m; _
•模糊综合评价法
" E! v) @) v  _) n( \- d
•聚类分析法
: Z. t" g+ Z0 ]9 D8 Y# Z% M4 P
预测方法（具体见http://blog.csdn.net/sanganqi_wusuierzi/article/details/54800341）
1 ]- Y% Q( E% S1.插值与拟合方法：小样本内部预测；

4 O. I3 @" o7 p& }3 g2.回归模型方法：大样本的内部预测；
, z7 I% L+ @! b* ?
, u5 l8 D3 c7 B! @5 I4 n
( A$ P% l# u+ s3.灰色预测GM(1,1)：小样本的未来预测；
- p9 q' G" B! U2 B: ?3 z
* C! ?+ K, V5 \. v' `* M5 u7 V- z8 {0 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；


" v$ l$ {% y- Z# e4 [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．

7 e# T0 U) h" s: A! Z# a
9 F: s# X( n# F$ F4 J
0 B5 ~6 z4 A3 S3 D& X* C( g# z
. x( O- Y5 o: v1 G) N' P1 K: X
9 l' r" l% W. Y( E, Y