数学建模常见的综合评价方法及预测方法

杨利霞

数学建模常见的综合评价方法及预测方法

8 K0 j- n9 r/ ], H  x3 e3 _综合评价方法
" G* ]+ M- d3 i/ Y4 _  z4 g* c9 s
•简单加权法

1. 线性加权综合法

适用条件:各评价指标之间相互独立。
3 y0 m& E7 g1 t2 {# ~9 Y5 l+ z
8 U/ n! k: i- O4 r   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。
5 Z; h7 O7 @8 o# B. ?: [6 p
! _* {9 L/ b- c1 V+ N- ~2 b主要特点：
8 e. o5 p/ N8 V
& K, M( v$ j" F1 ]( N* {# S  （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；
3 c8 s8 j- G* _5 s# A
+ d  R/ x0 J: n& Z6 |) w% L  （3）对指标数据无量纲化没有特定要求。

0 f1 Z2 e1 J/ p/ D3 j+ `& \
! w# x5 W8 p0 n/ [2 B$ z9 h2.  非线性加权综合法
9 ~) M* k  s  P5 w3 Y0 k

: ~( W: {. B: f4 b
$ D, L5 Z) N+ _, N主要特点：
% R' r" r& |  ~4 U% x* }# x
（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；

" r% U  F" D2 f（3）要求无量纲指标数据均大于等于1。
& B% n, h" ^7 W

" \0 _: p0 d. x$ Y+ v2 ?: }•逼近于理想解的排序法（TOPSIS法）
+ K6 H' h$ R: [7 S" r

9 @8 Y& t) X0 \) p) E
# J6 e& Q) W/ ]- T) |7 @. F: \  {. ]
•层次分析法
% s" M5 ~4 A& ^8 J

•主成分分析法


& G% {3 r# E' D. b•模糊综合评价法
, V  a$ C8 z% b/ `5 |2 g5 E

& }5 A2 Q6 _" O1 o0 ]•聚类分析法
1 Q; s7 l5 q6 J( D# s
; l' T7 z" m$ T4 M- A$ S
0 W" M0 ^! ]2 a+ v7 y! O预测方法
' ?8 R' G4 }  u4 {1 `* z
; f4 i+ t3 K4 B6 G, }4 d4 ^% B1.插值与拟合方法：小样本内部预测；
5 h- ^9 @7 B! f5 p. p
2.回归模型方法：大样本的内部预测；

) G( F1 P. V+ i
" m+ t, N: r9 `9 t" Z9 C" `9 E3.灰色预测GM(1,1)：小样本的未来预测；
, T& t, i! M3 }9 ^7 h5 G1 v
7 I/ ^5 c3 e+ i- S4.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 ^7 g4 d1 ]( T  f; w) p
+ j* A1 O7 h5 T5 L* U, C# V
5.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．
- C! A* O+ o4 F0 `8 R" d. A---------------------


  b$ l& Y4 A0 Z