数学建模常见的综合评价方法及预测方法

杨利霞

- S, m8 Z3 M2 J( h) w( a1 M数学建模常见的综合评价方法及预测方法
. r: Z  e& y5 s% C# r- O综合评价方法

•简单加权法
  e% Y( |$ m( z4 t# o: f& P. }+ V8 Z
1. 线性加权综合法

适用条件:各评价指标之间相互独立。

   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 s1 \% K9 R# H( a1 ?
1 C3 w) T! m0 }' D1 y) r主要特点：
# X! \2 \6 b6 M' G5 N# i) W
) ~* a' ~4 E! @  （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 ；
3 I# K& G7 W) ]& u' U7 U8 {8 z) h  q
/ i1 X+ ]2 w+ \6 d  （2）权重系数的对评价结果的影响明显；
) f6 g3 k$ z3 M" E4 G
  （3）对指标数据无量纲化没有特定要求。
: m5 U. B; W8 x- V, i

2.  非线性加权综合法

  Q5 }. T5 e7 I! q: C' c
2 h. k# ]% f* V# }9 i! T. F
( a/ p* ?5 |2 Q3 k) x主要特点：
( f7 w0 z9 Q2 v
3 {. z0 K1 j+ p. w, A0 Z& ?- W（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；
* Y& b/ I- M& s2 u& T
（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；
' D7 W2 h& L, u1 L& R4 g, F  y" v
" q9 J1 t+ R5 A# E, |; e5 L; P（3）要求无量纲指标数据均大于等于1。


5 r7 t5 t1 D4 h, F•逼近于理想解的排序法（TOPSIS法）
: X5 ^% [- ?$ R) F1 `


* n6 v9 s7 F* t) Y4 Y
. z3 T' K  x2 H  ~
•层次分析法


•主成分分析法


# e# h, v6 w2 c% e+ e•模糊综合评价法


6 v, Q' M- B+ [1 g% z( H" N: O•聚类分析法

" a; T& }( S6 E
5 u4 y/ R" _/ H: K% m预测方法（具体见http://blog.csdn.net/sanganqi_wusuierzi/article/details/54800341）

8 F3 P! ?+ Y$ H  r4 S2 v& ^1.插值与拟合方法：小样本内部预测；
) `- ?  C' m& W4 ?; Z2 H
$ z& S+ j! T# Q% p$ Z* {2.回归模型方法：大样本的内部预测；
5 U% j; ?9 j& S( n' a+ z; c

& w7 z  A5 x8 ^$ K& ?3.灰色预测GM(1,1)：小样本的未来预测；
' }) k; X  X" n, 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；
+ a7 K7 V8 O2 g; \% H3 g) N* x
! @1 i$ |( |/ n# E' K
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．


原文链接：https://blog.csdn.net/sanganqi_wusuierzi/article/details/54800283
% i! q( i! o5 ?9 v2 f2 r5 z0 Y

SHINee0525

挺好的 很有意思
) d: V. r8 W" ]* v) M1 w