- 在线时间
- 1630 小时
- 最后登录
- 2024-1-29
- 注册时间
- 2017-5-16
- 听众数
- 82
- 收听数
- 1
- 能力
- 120 分
- 体力
- 571558 点
- 威望
- 12 点
- 阅读权限
- 255
- 积分
- 176690
- 相册
- 1
- 日志
- 0
- 记录
- 0
- 帖子
- 5313
- 主题
- 5273
- 精华
- 3
- 分享
- 0
- 好友
- 163
TA的每日心情 | 开心 2021-8-11 17:59 |
|---|
签到天数: 17 天 [LV.4]偶尔看看III 网络挑战赛参赛者 网络挑战赛参赛者 - 自我介绍
- 本人女,毕业于内蒙古科技大学,担任文职专业,毕业专业英语。
 群组: 2018美赛大象算法课程 群组: 2018美赛护航培训课程 群组: 2019年 数学中国站长建 群组: 2019年数据分析师课程 群组: 2018年大象老师国赛优 |
数学建模常见的综合评价方法及预测方法
$ H2 `5 p" F7 \' |$ u a" k- }: T, l# G' |) {# C( y7 g
综合评价方法
: O# q, X- Y# A% F
. E- d2 ]6 [( U0 m4 H( [; ?8 `6 l( T# K•简单加权法/ S% l3 o4 a9 K* [; j( J/ `$ {
. x" u7 P* N' R/ {3 V2 l! [) i; C
1. 线性加权综合法
1 X1 r# P; a7 D1 Q5 g
Q, v0 ?2 f0 B适用条件:各评价指标之间相互独立。
2 o, z/ N/ L' ~7 Y7 c9 F0 o
' j t7 O& S4 t0 {' c( I1 x' A 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。
: ?2 u1 h# R/ ~( F2 X j9 y& i0 w
$ b Y7 R z; O' \& s6 M/ ]主要特点:
0 O+ B7 V! a2 u4 d6 f
u+ i/ b/ }! p" P0 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 ;
; w# X7 m* e( l4 w) l! \& R
) n8 A: Z( s9 M, t( @ (2)权重系数的对评价结果的影响明显;6 k, ^; c( B8 Z: H0 c2 J
; ?. m- ~6 Y% S, i9 O: o9 z (3)对指标数据无量纲化没有特定要求。 & X" x0 t+ l1 X
; x: U4 p2 E" C" }8 a
1 ^" E" h3 m g" ]3 |$ G1 \2. 非线性加权综合法 % f8 l: n" n+ i! u' r8 y
+ C! u$ |8 V: K8 C7 v. R8 N
9 \; ^5 H9 @+ ]4 h- n# ?8 L( L8 m c, m/ X- u$ y
主要特点:6 A( r9 G& b4 w5 L% ]
6 q7 E# }5 o' T, i3 k- }- g, b
(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;
& ?3 l) D! {5 V7 D0 D+ i% `9 ]; A
8 v+ g1 ~) v/ n) t1 p+ q8 S% F(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# r6 ?9 `" t
2 i) P1 @, t4 L) J, ^( v5 _(3)要求无量纲指标数据均大于等于1。
' e7 O0 f0 u8 o: o5 S! B. B* E) [$ D+ l" n9 y3 Q, s- B
: _3 Q" M; [! p2 ~$ g9 f" J
•逼近于理想解的排序法(TOPSIS法)7 y0 B" {/ y$ E S: E
2 T$ b- x# x' A( ]' M! G
9 N2 C; F% U+ C6 b1 X9 F$ q+ ~: i: D" k
( {4 S) {& d7 }+ |- o' Y
•层次分析法7 P) a' @$ w" K( X) W4 Q
. \! X3 K" E3 e5 ^1 _
u8 G6 |$ d& J6 k* @+ b6 [•主成分分析法
% a0 s2 h* ^# G) n% a6 G2 P: l! I; r$ y, l* O2 T3 T
# n9 W4 y. r A& m, E•模糊综合评价法$ g3 ^( S; ^0 d4 k. q# R% k
3 Y2 W4 u" f* O) J0 M/ G$ h
! r; F) \& d/ b, s% L
•聚类分析法5 T/ g% `6 R3 h! e
g5 R, c4 x8 |0 d4 y: n
0 R9 Q0 l/ `3 _, t预测方法* O6 N0 _$ L% K" C6 E) _
% p7 r! Z& U: x" J; \$ {/ x; J3 K
1.插值与拟合方法:小样本内部预测;
) l+ D8 m$ a0 o5 Q [
$ R1 S0 {$ {1 Z; v. F# U" W, B2.回归模型方法:大样本的内部预测;+ k1 n0 T) B6 i: R* S
( ^1 t( X c% f* D- Z/ t
6 K- v( ?. o9 Z% x- d+ ^7 ~1 i
3.灰色预测GM(1,1):小样本的未来预测;
) M$ I- R! s% d: V2 j) }& u: S) B$ B" P$ B; o
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;, X2 E- b, R1 W: G O. P
) }9 X5 [+ G8 ?1 j! e5 S% |: r6 Y
& K0 L! \7 p4 V% A8 j* L
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./ x7 h) `( U' n+ ~3 R
---------------------
' T2 m. j; s7 A
8 l1 U0 p2 J$ W) b) F
F/ W' r+ A3 n' D+ \9 V+ y$ l9 _& C3 P* k9 k7 }& X
$ ~1 [+ k: f3 G2 r! e
|
zan
|