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
" u4 x# J/ v9 j, K7 N5 _

适用条件:各评价指标之间相互独立。
2 W% y: F4 Y. X! m
1 W+ @# T. f9 p: r, p   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 ；

  （2）权重系数的对评价结果的影响明显；
, v0 X1 i$ ?5 Y% Z9 i( w- w7 r
  （3）对指标数据无量纲化没有特定要求。
3 G, f' F6 p/ M3 ^# S
! n9 o; E9 E+ z' y9 Y, Q
2.  非线性加权综合法


8 n+ i8 |+ B9 z

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。

0 o+ p+ y9 ~  o& ?2 K. z1 E
•逼近于理想解的排序法（TOPSIS法）


) i0 X4 v( n! l; j/ E# |2 _& P

/ {3 U5 e5 p$ k+ Y4 a; k9 j层次分析法
5 F; l) g! ~7 I* ~" U2 ~1 A, m
1 N& Z, h* j# d4 m( o/ Q•主成分分析法
  R, R9 W4 h& z, @3 B
8 {. z7 `% @; ?1 @•模糊综合评价法
# ?4 o4 R$ h8 @$ L' y2 S
•聚类分析法

预测方法（具体见http://blog.csdn.net/sanganqi_wusuierzi/article/details/54800341）
, i" v; E1 g% q4 P- s1.插值与拟合方法：小样本内部预测；

2.回归模型方法：大样本的内部预测；


" H# o2 V* Y# X1 M0 |/ ?' W2 k3.灰色预测GM(1,1)：小样本的未来预测；
! i* M3 Y2 Q- m- Q0 d7 r& f8 R# e
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；


  f: {: _/ \1 J1 p4 Q5.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．




; t, X- H; G/ Q- ~% y