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
. T! d5 y8 K- W5 Y
" _& P) k: p( b7 l) N/ L  U
+ r9 q& G) A6 a# S9 T适用条件:各评价指标之间相互独立。

5 c; n% ~* e. j( q9 ?( W   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：

0 W- w* |& O0 R) j9 U$ [. O& T" L  （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 ；
2 d( |8 p( Z/ [, f# W' s- @
  （2）权重系数的对评价结果的影响明显；
# g0 X, q' J* p' v" T
# m4 `2 R" Z4 e: N) R  T  （3）对指标数据无量纲化没有特定要求。

% T% y+ k" I* O; t  U, F
1 P0 G4 _/ c, i2.  非线性加权综合法


' M  K+ F' E/ b. U( Z0 v3 f- N

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。

•逼近于理想解的排序法（TOPSIS法）

+ L! W( U, [3 S! U& s# _7 _- v, }
* U! ]# y' K% k* o# E6 S, v* X

层次分析法
% L' U; g! J; a7 ?
•主成分分析法
/ g' t6 c- x. t
•模糊综合评价法

8 _% x- Y7 y4 g% n  o' U•聚类分析法

预测方法（具体见http://blog.csdn.net/sanganqi_wusuierzi/article/details/54800341）
* W$ ^# R8 Q- l4 ^; A) }1.插值与拟合方法：小样本内部预测；
- H. z# E. v- Z3 p7 [6 o$ F! q
2.回归模型方法：大样本的内部预测；
) U: l# d7 ?% z: L6 y" r
- o4 L" N1 Y7 t* q
3.灰色预测GM(1,1)：小样本的未来预测；
9 {: U. R4 ~6 o* d+ g# E- a4 T
6 ^6 c3 F( B2 [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；
7 i; u: M0 _' B3 }; Y4 B( ?

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．

( d. F6 I2 i/ ^% @" r( R6 F0 B


( ~) m" T0 r. N7 A) w# A
1 e1 R! d1 l3 `