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
! }; l/ n- O; x  V

0 n. r4 y9 o5 m+ e+ i, R/ ]5 c适用条件:各评价指标之间相互独立。

   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：
; Y7 A4 A4 `+ c+ ~
  （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 ；
* S, V! n( z( i! N8 Z0 q
! A$ [/ p+ b) s- W; e$ Z1 A( F  （2）权重系数的对评价结果的影响明显；
8 Z8 E) T" p- N5 n2 S! a6 W
  （3）对指标数据无量纲化没有特定要求。
2 U* h$ u' y5 {& n  W: d& v

* g+ x. l0 A2 K/ \6 \2.  非线性加权综合法

/ K* [& l2 C- y1 n& J4 B. e1 @" o& S
  W( }) ~7 U' r+ x4 t

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。

5 c& l, v  C* p) V$ i4 e) ?
# x+ |% V- S. b5 t% f8 x1 a3 }( \•逼近于理想解的排序法（TOPSIS法）
; {2 ]" [' S" N( {( S6 a% Q, s# [6 _

( Q7 k1 q# |' t0 \3 \* t1 z
6 a: Q7 G8 r/ N( c& J
+ A- \' d2 z* u( n7 }; s6 |: e! ?层次分析法
0 R# n& h7 p) |( I5 h
•主成分分析法
1 L' c, {# [* C) @: D$ c
•模糊综合评价法

3 x; a/ J! z2 f+ ~# Q/ Z/ R( a& Z•聚类分析法
" h* W1 U$ t/ m. e0 E- H% n
+ s. P# }/ L, N& i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；
$ c1 v; R% }7 |0 c( H4 ^* ]: j. E5 T
& J* ?, z! A% ^0 h5 z3 c& T) x5 [2.回归模型方法：大样本的内部预测；
$ q  m0 K3 I% G

3.灰色预测GM(1,1)：小样本的未来预测；

0 m( \/ s! ^+ _! T  M; V. L4.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 e7 f4 h) O- p. O& C+ k3 G
; }6 H1 ~/ P9 G5.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．

$ k4 c4 u5 ]& N4 e  t) z4 `  j
! _+ u4 f% |8 L$ w% e  _
) _) U( A) P* y
3 L( H0 O+ e" L# S* Z5 k8 L