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
4 W4 x2 `! I& N/ X! E4 u; g

适用条件:各评价指标之间相互独立。
) Q7 L- l3 }/ p& A5 z) {" H% J
   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。

: \( F' N6 X9 z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；

. @! 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.  非线性加权综合法

% 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。

•逼近于理想解的排序法（TOPSIS法）

7 ^3 l4 k4 f( Y/ k2 w3 v
  F% j+ o& T! y

层次分析法

•主成分分析法

•模糊综合评价法
9 {6 q/ L; d# _) _
/ c, C) G# u# I•聚类分析法

' M+ d; d& k+ h3 {+ c预测方法（具体见http://blog.csdn.net/sanganqi_wusuierzi/article/details/54800341）
1.插值与拟合方法：小样本内部预测；

# L% p4 M2 _- G. K0 f2.回归模型方法：大样本的内部预测；


3.灰色预测GM(1,1)：小样本的未来预测；

& 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；

, `. }4 K: |0 a) W# O
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．


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