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
) y4 [  m( m9 \+ H9 p1 G- C. a

+ k( }+ H# y3 Q; a* U* q适用条件:各评价指标之间相互独立。

3 X1 ]6 F2 K. t9 s   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。
1 G+ \. b, q6 `  H2 g+ d
主要特点：
0 v! e3 l3 S7 `/ T
- u! ^" N/ A1 O7 i, t, v  （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- [! z0 ]8 l, h2 k( ?  （3）对指标数据无量纲化没有特定要求。


: u8 z: I' N$ e/ u- e# Y2.  非线性加权综合法
' _, R( m! Z6 k9 y' F: A4 i; R1 e

, {3 @: ]; i$ o6 u

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）



4 s. M& H& `1 @( U9 l  a
% f" [& k, `  U$ ]4 y0 [' {# _层次分析法

* z: C4 L! s! `. P  {•主成分分析法
4 F4 |7 l# J) J4 h: `$ H
•模糊综合评价法
# K0 m( P. N% ~- ^/ s7 ^0 ]) u
•聚类分析法

预测方法（具体见http://blog.csdn.net/sanganqi_wusuierzi/article/details/54800341）
9 ~* [$ B; S" J7 q7 n* g1.插值与拟合方法：小样本内部预测；
1 V6 \  P7 T! a# c( a
" s  ~; F0 A' U5 Y3 U2.回归模型方法：大样本的内部预测；

' \6 p& t# e4 |! z
3.灰色预测GM(1,1)：小样本的未来预测；
& d' Q! y* t+ m. C9 z8 W
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；
* o/ J' r# A/ k! o0 F) ]  _" k  d
- f0 S0 M* b" c
4 x1 e4 L& D2 Z2 C5 o5.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．

9 Q/ ]$ ]& v# C. d) R

& `# |5 ^! o, `' u# k- m! z


7 b6 N" A4 F( _