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
" ]; n0 p, M7 ?

& ^2 A: R# X3 p* Y2 y适用条件:各评价指标之间相互独立。
1 m) O% [7 N* w) z7 R% r7 e0 I
   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：
" O7 Q+ M1 M. W4 w
  （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 ；
1 l% A8 w5 @! m
! v1 m9 W" Y- k& K2 Z  （2）权重系数的对评价结果的影响明显；
" n/ ^6 N: X+ H, y) L( m9 C. l
  （3）对指标数据无量纲化没有特定要求。
) o( `& u  J# N9 u" }: _

2.  非线性加权综合法

, c6 m: B6 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。

8 G7 _" ^: \& v* ~+ a
•逼近于理想解的排序法（TOPSIS法）

" s4 {% M( \; I  Y3 ]( \


层次分析法

•主成分分析法

; t3 L; \8 p0 S3 S7 ~•模糊综合评价法

•聚类分析法

' }' \# w  l5 s: Q* ~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；

2.回归模型方法：大样本的内部预测；

9 \: Y- n( U. c) k8 h5 b
3.灰色预测GM(1,1)：小样本的未来预测；
3 W2 [  R" t* C8 A% i+ T
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；

: c+ A$ G8 W! f
" M9 `# [; R+ y8 a9 w5.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．


+ G; p4 J" j2 W1 I9 w
8 N4 z: ?# q, e; Z- a1 t

! B% ^% v1 N& w. ^9 X
2 I/ W3 b) C. ^: N/ l5 Z1 K# b