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


适用条件:各评价指标之间相互独立。
/ H" b- N" o  J' w7 ]
   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：

  （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 ；
- f/ h9 j* |4 c
  （2）权重系数的对评价结果的影响明显；

4 F  B! m9 s: b) G7 ^  （3）对指标数据无量纲化没有特定要求。


" R, A( K8 c; \9 }1 i1 D2.  非线性加权综合法

: p2 Q3 [, W8 m) Q* f) ]/ T

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。

) Z& K6 K6 Q0 h! c, w" X
" M% `& _# R7 ~% l: P- J•逼近于理想解的排序法（TOPSIS法）

. b0 A! V& b6 y( w) t+ x: l

% t# ^" L( P* |* F" U2 p7 j" Q
4 J' B- {( ?# o3 J- Q, H层次分析法

" ?7 n: \  M4 t: R! O•主成分分析法

5 D  {$ H. m0 K/ r! S2 D•模糊综合评价法

•聚类分析法

) L* e1 Q) M# O2 ]+ ]预测方法（具体见http://blog.csdn.net/sanganqi_wusuierzi/article/details/54800341）
, U8 X9 G) y' R9 n: ~0 M3 J1.插值与拟合方法：小样本内部预测；

  i; G' J5 {- X9 [$ e. A2.回归模型方法：大样本的内部预测；

* u8 Z6 q$ W$ F- V  e; z. `
3.灰色预测GM(1,1)：小样本的未来预测；
5 q+ ^+ y0 o8 M5 d6 ]' k/ H
. ]1 Z, e8 Y. K9 X9 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；
9 i9 l- q" n* f: w2 j: ]
  p- s7 N4 ]7 c) J0 f" R
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．
% z: q" ]/ g6 ~* f) l+ x/ H9 {6 i1 U7 g





4 ~5 o% a: }, @& n9 |& `