- 在线时间
- 1630 小时
- 最后登录
- 2024-1-29
- 注册时间
- 2017-5-16
- 听众数
- 82
- 收听数
- 1
- 能力
- 120 分
- 体力
- 556640 点
- 威望
- 12 点
- 阅读权限
- 255
- 积分
- 172365
- 相册
- 1
- 日志
- 0
- 记录
- 0
- 帖子
- 5313
- 主题
- 5273
- 精华
- 18
- 分享
- 0
- 好友
- 163
TA的每日心情 | 开心 2021-8-11 17:59 |
---|
签到天数: 17 天 [LV.4]偶尔看看III 网络挑战赛参赛者 网络挑战赛参赛者 - 自我介绍
- 本人女,毕业于内蒙古科技大学,担任文职专业,毕业专业英语。
 群组: 2018美赛大象算法课程 群组: 2018美赛护航培训课程 群组: 2019年 数学中国站长建 群组: 2019年数据分析师课程 群组: 2018年大象老师国赛优 |
/ n5 Y: Z7 K. m
数学建模常见的综合评价方法及预测方法2 Z8 r2 U- U7 l0 z$ A
综合评价方法- W7 \" v: O: y: C# ]' ]
& f U9 ~# c. A•简单加权法
$ P8 G# u w6 u" d) g
3 k8 y9 T! R) z+ J! n2 O! w& `1. 线性加权综合法3 s" G6 s: o5 b+ X$ t2 s" ~9 ]3 b
- F% U1 b6 W" M# Z2 p4 W- K适用条件:各评价指标之间相互独立。
* q( m+ F5 H$ J0 X9 j; j
) N; K, U3 p, V5 [: Z8 u# S0 y 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。
5 i& s3 v+ j( H
/ {6 W, c2 z4 A6 B主要特点:" F# y. a F* W3 v9 c- G
3 B- R4 b$ H' V) E& S (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 ;7 M4 b$ m- x; ~) u+ X& X
' z" T7 l( d* N# s (2)权重系数的对评价结果的影响明显;! z) `! q' m9 U8 ~6 U8 b# Y( j
?$ B# d+ u% T6 k
(3)对指标数据无量纲化没有特定要求。 ( [" K9 V+ I! \
( f- R/ l8 n/ ?5 A+ f$ ~. U) m
- W# r! ?9 H8 E1 H. {: Y* H2. 非线性加权综合法 6 X3 x+ u5 I/ n! s' j
; l5 @0 {; u( a
; Z7 S; b0 k6 @+ d8 A& [: Z
/ d7 ^( ~8 |% v( F9 e7 s8 Q9 R主要特点:, M+ z4 T& H }$ s! u B- c5 @
n) X/ ~: `* Y1 r7 r' s
(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;
9 \( B; ^& R+ {5 p. W# }# l4 F8 U! ^5 b0 J# X5 m
(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;5 k1 o+ {# K; l- y1 w
- q+ `( y6 n/ Q5 ?" A& i' M
(3)要求无量纲指标数据均大于等于1。
- ]% \! G( E. W* C; k+ a
; g2 @5 V/ R/ ~( p2 |, ?; ] j0 G; S
- V1 r+ Z( W" _" v6 J( ^# J$ w•逼近于理想解的排序法(TOPSIS法)) W" l, \7 j- r% U" h
/ f0 @% I& ?& y2 w
2 h- U" M& c5 {1 T! B5 K2 B
. N) |$ |$ K0 ]0 @
4 W; L1 T* f. l! y9 x7 V: k! w8 X9 _$ w* C5 P5 @
•层次分析法
# ^2 f5 F/ i1 N) X
0 U7 n( y, Y; y; u
+ ]) w, Q) W9 S/ g. U4 _! g•主成分分析法6 M% y M; o: y# Y1 L$ f
0 X/ A" }( ~2 O2 E5 L5 Y
7 G: @0 H& |/ T$ _. g•模糊综合评价法
6 q" A# n: H! J; A4 @ D, H2 Y1 H/ N5 O% R6 ]
7 g" E9 x5 \! o•聚类分析法) [1 z3 O7 z: x+ a1 x2 g
& W1 K1 n" o: S' R- k/ r' u1 r
7 t& F- L+ Q. c' l- Y. b预测方法(具体见http://blog.csdn.net/sanganqi_wusuierzi/article/details/54800341)
! r& F7 A) U- Q/ `/ n% {1 ~5 q C5 J# x* t( T" b
1.插值与拟合方法:小样本内部预测;
- J2 y; y( o- {* p' e
% T$ n& [; S/ s# ]2.回归模型方法:大样本的内部预测;4 k; `( [ V; {1 y, T+ _
: \4 h9 M9 Y3 i. ~ t6 _
" V; E) G$ u/ ?0 @4 }/ f3.灰色预测GM(1,1):小样本的未来预测;
' g3 {+ O* G0 O! `) a. o3 j% C! S/ \1 j
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;2 ?6 @. { V/ Y: @5 k
6 Q' M* F4 x& _# E, s1 K2 K$ S
|5 v( y/ J9 X/ [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.
/ Q; B1 l- O5 y5 f- U, Y% Y$ A9 \/ M. U7 ` @! I
5 W) `9 r& A" s6 X& H
原文链接:https://blog.csdn.net/sanganqi_wusuierzi/article/details/54800283
2 y( U! d- W. y; ~. }/ O/ `6 ~7 n$ ^! \# b3 ]" [8 y% t
) j- {! U. |# o4 \9 N( O
|
zan
|