QQ登录

只需要一步,快速开始

 注册地址  找回密码
查看: 2866|回复: 0
打印 上一主题 下一主题

数学建模常见的综合评价方法及预测方法

[复制链接]
字体大小: 正常 放大

100

主题

17

听众

7546

积分

升级  50.92%

  • TA的每日心情
    开心
    2018-6-4 15:01
  • 签到天数: 7 天

    [LV.3]偶尔看看II

    群组2018年大象老师国赛优

    群组高考备战

    群组2018中小学数学建模冬

    跳转到指定楼层
    1#
    发表于 2018-11-1 11:04 |只看该作者 |倒序浏览
    |招呼Ta 关注Ta
    综合评价方法简单加权法1. 线性加权综合法
    # b  z; x* t6 e8 B: m# v
    4 a$ C+ c6 `. t  F- T; `; H0 q# h* w. ?) @9 ^
    适用条件:各评价指标之间相互独立。
    ( f6 z! t  ]2 {, K/ p% s& o
    * x1 ^* W# @& p   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。
    / K/ A) q9 X1 F% q: {! v, G+ L* u* Y# I' ~% G+ d0 A
    主要特点:
    $ ~# t) J1 a8 O0 }, n0 C
    / `6 e4 `5 M) u6 p  (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 ;7 @& t& }7 S2 ?$ @
    1 t$ j0 \, P( e1 W% t- S: L) `  O
      (2)权重系数的对评价结果的影响明显;. W9 F, w7 z4 u/ a! ^. W
    ! C0 w* d. ^0 p" Z+ s
      (3)对指标数据无量纲化没有特定要求。
    ! x  v% W8 n- ?4 R5 M0 J) u, F1 c5 h/ a9 Z3 F' A" W8 {) b  _

    : x; y! J* K( q: w5 b2 x. w0 B9 k2.  非线性加权综合法   r: E+ H) c7 _8 G

    ( ~: d7 z7 Q* \9 N, B: H. z1 r
    # u  q- F2 _2 r, H9 k

    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。


    , ?3 r& k9 O' O/ j

    ) d5 _' f" B, ^6 l$ ~逼近于理想解的排序法(TOPSIS法). e) x. C" d1 [

    . b% p$ G2 c- G3 ^% V3 C4 [/ d2 p/ f0 F' }$ s% J
    $ s7 p2 `; x3 g% i' n4 {

    ' E- R9 i; ~2 ]% d* \/ {2 ^层次分析法8 v/ k: d( Q3 i+ i" G8 p) F, U. n
    # d( [3 c1 N9 b# K! l
    •主成分分析法
    9 b8 s% ]$ B' X- j; ^7 {) ~) f; P) f* c- {. x. J
    •模糊综合评价法( O% c1 N' [/ k0 T  i) `
    ; G+ F! w+ E4 G
    •聚类分析法8 r/ D0 w( i  D3 d8 ^( e6 d4 d" \

    ) H- Z+ p7 K& c/ G预测方法(具体见http://blog.csdn.net/sanganqi_wusuierzi/article/details/54800341)  Z0 e: b' e2 a5 i! {$ X4 ~& `7 N
    1.插值与拟合方法:小样本内部预测;
    . C; b0 \$ N: I+ C" C
    9 Q$ y, K6 S9 J% W& X- g0 t8 u- Q2.回归模型方法:大样本的内部预测;+ b) ]3 X' W3 A! c0 z5 k1 R# k
    5 p! {* j( |8 C; T* D; V2 z% i, `& s

    - \3 B) a+ Q: t6 R3.灰色预测GM(1,1):小样本的未来预测;3 y' i# h' I3 |9 V3 A

      Y( `7 T- r% T0 n1 \3 `8 y! ]7 V4.时间序列方法:大样本的随机因素或周期特征的未来预测;0 l0 |1 @, A: M+ ^5 [! m$ _
    2 W5 G/ [$ g  N8 j2 C& {7 R0 m

    0 u7 O! |+ N4 a2 A6 l/ j5.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.; r$ p+ A5 e6 v1 i3 C4 q: M

    " S! M6 s7 J, v* c- y$ Y% C
    9 C7 e. F  P" W+ f+ a7 n: g3 n- P" s# x! J- y: N  p  S  v

    & \# Q1 s! j0 u$ r% Y( }  \9 m# i* t
      X1 ?, H- b3 T% B
    zan
    转播转播0 分享淘帖0 分享分享0 收藏收藏0 支持支持0 反对反对0 微信微信
    您需要登录后才可以回帖 登录 | 注册地址

    qq
    收缩
    • 电话咨询

    • 04714969085
    fastpost

    关于我们| 联系我们| 诚征英才| 对外合作| 产品服务| QQ

    手机版|Archiver| |繁體中文 手机客户端  

    蒙公网安备 15010502000194号

    Powered by Discuz! X2.5   © 2001-2013 数学建模网-数学中国 ( 蒙ICP备14002410号-3 蒙BBS备-0002号 )     论坛法律顾问:王兆丰

    GMT+8, 2026-6-12 12:43 , Processed in 0.367967 second(s), 49 queries .

    回顶部