QQ登录

只需要一步,快速开始

 注册地址  找回密码
查看: 2869|回复: 0
打印 上一主题 下一主题

数学建模常见的综合评价方法及预测方法

[复制链接]
字体大小: 正常 放大

100

主题

17

听众

7546

积分

升级  50.92%

  • TA的每日心情
    开心
    2018-6-4 15:01
  • 签到天数: 7 天

    [LV.3]偶尔看看II

    群组2018年大象老师国赛优

    群组高考备战

    群组2018中小学数学建模冬

    跳转到指定楼层
    1#
    发表于 2018-11-1 11:04 |只看该作者 |倒序浏览
    |招呼Ta 关注Ta
    综合评价方法简单加权法1. 线性加权综合法
    4 W4 x2 `! I& N/ X! E4 u; g$ Q7 J9 B; {$ {9 J) J. ]+ x
    9 i% w% b0 J& x4 ~5 O8 l
    适用条件:各评价指标之间相互独立。
    ) Q7 L- l3 }/ p& A5 z) {" H% J' H( K! Z, N) g* {  _. m! g$ G
       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。$ E; _  P' D- G1 P+ q7 D

    : \( F' N6 X9 z主要特点:: i2 ~1 m! _+ Y1 @& B+ c
    6 D  ]: M. t6 r, d. e5 u; A  F
      (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 ;0 w5 {) J8 K* y" q* S+ Z3 j* B5 V8 t
    0 w1 y  p7 O  O# G5 D+ [
      (2)权重系数的对评价结果的影响明显;( q1 N" I. i1 a& V7 a2 {

    . @! b. {' u, y  (3)对指标数据无量纲化没有特定要求。
    6 E, E% N2 P0 f: A" U% ?2 J3 u7 d) g! }* i
    * H* @- w  b& N9 Q
    2.  非线性加权综合法 0 T' i1 y5 x0 c, o* t

    % e0 Y% G5 Z* l- n5 {
    * k! g  l3 f5 U2 D" }

    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。

      g* D! k1 R8 h
    $ E+ T; d+ {9 |! g  l% ?8 D" f
    逼近于理想解的排序法(TOPSIS法)+ a' Q2 G. ?' R) t9 z

    7 ^3 l4 k4 f( Y/ k2 w3 v
      F% j+ o& T! y5 B6 k6 k) `0 m" Z, E: {9 d3 o3 n
    ' I: T$ m; {- \- ]. _
    层次分析法" B7 U1 B6 p: X3 _, K9 G
    ) D7 E, F- b8 a3 {; q7 J3 g
    •主成分分析法  H) F- j: f3 U
    $ n2 K9 r& p; r: _' b& u
    •模糊综合评价法
    9 {6 q/ L; d# _) _
    / c, C) G# u# I•聚类分析法2 ^$ Y6 [& f: s$ [' ]' z$ }* X

    ' M+ d; d& k+ h3 {+ c预测方法(具体见http://blog.csdn.net/sanganqi_wusuierzi/article/details/54800341)5 _: |6 L+ n7 w- e* p2 d
    1.插值与拟合方法:小样本内部预测;1 ~" w# Z$ S8 ]2 G6 Z; x) {

    # L% p4 M2 _- G. K0 f2.回归模型方法:大样本的内部预测;, O0 W+ E8 N! T
    4 i& N( s/ J2 `5 V0 O1 M
    $ X; S. A/ q1 @  R
    3.灰色预测GM(1,1):小样本的未来预测;. M% B) Y& m' ]+ a, w/ `2 c

    & y' j3 R0 y/ @$ O4.时间序列方法:大样本的随机因素或周期特征的未来预测;+ F! M; c  R0 C) f

    , `. }4 K: |0 a) W# O; [, Q. M  E$ k4 B1 O' |3 \: k
    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: R! G, ~1 E8 e  s
    6 x" ^* z) x8 J1 N8 j

    4 |$ p( \* m7 x% s- m& K* K2 g7 P) a
    5 k0 V; a& s  O+ k; K( U$ Z
    ' [5 ?% M# y7 U% c9 Y
    / R, i6 D; i# z- D$ _- U( D
    ) {* }; \7 p& P, T  D  q
    zan
    转播转播0 分享淘帖0 分享分享0 收藏收藏0 支持支持0 反对反对0 微信微信
    您需要登录后才可以回帖 登录 | 注册地址

    qq
    收缩
    • 电话咨询

    • 04714969085
    fastpost

    关于我们| 联系我们| 诚征英才| 对外合作| 产品服务| QQ

    手机版|Archiver| |繁體中文 手机客户端  

    蒙公网安备 15010502000194号

    Powered by Discuz! X2.5   © 2001-2013 数学建模网-数学中国 ( 蒙ICP备14002410号-3 蒙BBS备-0002号 )     论坛法律顾问:王兆丰

    GMT+8, 2026-6-12 19:08 , Processed in 0.383692 second(s), 50 queries .

    回顶部