数学建模常见的综合评价方法及预测方法

杨利霞

6 ~& b, S9 K& Q9 p: t3 s- S0 n数学建模常见的综合评价方法及预测方法
综合评价方法

6 D3 R! Z5 b" `3 _/ h) y•简单加权法

1. 线性加权综合法
8 T4 W# s- Y: u& r
6 V- K# k) Z& V1 c1 G2 ?适用条件:各评价指标之间相互独立。
1 W6 p: x  D: }. F( v. S% t9 Q  i
; D& t- I) E. V8 ^" t   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：

8 H, e* j/ e- P5 p! }; |  （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 ；
* R+ U! Z4 W4 j! `! d
& B/ ]- J( ~) p4 j1 A$ A: ^: y  （2）权重系数的对评价结果的影响明显；

: Y" s  A' l; F" ?8 v! l  （3）对指标数据无量纲化没有特定要求。


% ^: ^8 J7 k  P. D1 D2.  非线性加权综合法


! W! w8 p$ @9 d
主要特点：
! f0 ]0 T' s6 c# g, o7 W1 e. w
（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；
: u) \' u3 Y6 W" p
（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；
9 m' U7 Y4 _0 Z% B1 B* Y: ~
2 T1 I' w7 l9 K9 a（3）要求无量纲指标数据均大于等于1。
4 v; S, z+ D/ K3 x1 ~4 R
$ K! p( c$ V% M/ u
5 ?: K8 B8 j2 }" w, P; d•逼近于理想解的排序法（TOPSIS法）
6 Y. s2 m$ w$ k! ^. m8 Y


% y  i" P/ w/ p9 x" G! [- \% l  D" o

, e; F2 [& a0 m: X+ @" |  @# `•层次分析法

0 e. G1 s7 @2 s
! s! v8 \' W  H2 E1 M/ N% n/ k•主成分分析法

! \6 o3 A2 U" n" L6 q
•模糊综合评价法
# t/ X' K) h. J) f
3 |) O8 `, r1 |  j0 i8 v: k0 b; M! B
- U: s: k% Y0 q! h" \•聚类分析法

8 c% K3 T2 t" d8 |7 e
预测方法（具体见http://blog.csdn.net/sanganqi_wusuierzi/article/details/54800341）
% W0 Q0 Q+ W6 n2 b
1 f( Y- o) f5 G" M" `" w0 C5 i1.插值与拟合方法：小样本内部预测；

4 Y' `# c( {) E* u- J3 `+ y* m; H1 S2.回归模型方法：大样本的内部预测；


$ I! i$ P- _( {3 K$ m" @3.灰色预测GM(1,1)：小样本的未来预测；
4 F5 M3 @, P3 [* u# X9 Q
+ c# K' m+ \2 @7 x' n4.时间序列方法：大样本的随机因素或周期特征的未来预测；
1 ~9 O3 \8 @# U* w9 j

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．
- J& C& z% w. G+ F5 {! t6 V* o
5 C! K* `" b) }5 c- @
原文链接：https://blog.csdn.net/sanganqi_wusuierzi/article/details/54800283
2 m0 b: v+ |. B% }

SHINee0525

挺好的 很有意思