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
7 h+ X% a/ Z0 {: f$ i" A
( b) a5 n- N- N' f! u8 j
' o0 I" B, g! q适用条件:各评价指标之间相互独立。

0 N5 z& s# \2 J8 t   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。
3 L8 [- u5 D" S
+ C4 O$ D. g$ ^- G9 c2 n主要特点：

, Y; _5 L( i* N$ P, ?3 a  （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 ；

' }5 M3 \) _& L& R$ A  （2）权重系数的对评价结果的影响明显；
4 g) A$ b' j- e' D' x% ?6 K8 r
  （3）对指标数据无量纲化没有特定要求。
( A. |0 X+ l, r; \

2.  非线性加权综合法
* r: t! Y+ @- B* O# ]9 B. a

$ ?8 Q) J4 }+ i; M, C4 s- x" z0 ^

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。

" l+ x$ C  Q  A- t" V
+ B( r( y2 ?( N& b, U3 ^3 `•逼近于理想解的排序法（TOPSIS法）

7 j4 G: M) b0 C( H; N2 \% C$ B! E
6 x, p7 A8 V, V# S; V/ j$ ^

- x3 t% G& D. D3 L* h层次分析法

•主成分分析法
. P' v( W( }) U, y2 Z# [
•模糊综合评价法

2 ?2 }4 \4 A& O2 c( [" ^% [•聚类分析法

  B2 j8 b4 X. Y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；
$ e' b& h: x+ u/ v
2.回归模型方法：大样本的内部预测；
0 s) K; ~, \/ x+ I; n$ T
; b7 j, E* i. W( B& S
& J) K& }1 t1 b5 p3.灰色预测GM(1,1)：小样本的未来预测；
( z8 `8 G! u+ C7 P2 F  D  e- \* k9 M
( e+ z4 e( M( H4.时间序列方法：大样本的随机因素或周期特征的未来预测；


2 r) y$ T. C! s& P4 c- b5.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/ o2 a) I9 ~: J9 o


# N8 K# N4 ?* y% j$ V7 l( v) E
% H/ S! }- a' I+ P7 G
0 A+ V0 a1 \. @6 j9 i