数学建模常见的综合评价方法及预测方法

杨利霞

+ I' L% d0 l! M数学建模常见的综合评价方法及预测方法
综合评价方法

$ x6 d: N0 Z- F4 e9 J9 C2 ]•简单加权法
% c' ~0 ]$ f# H! S, z, M0 l: l* g
1. 线性加权综合法

适用条件:各评价指标之间相互独立。
: L0 N* r1 I8 L" H5 v0 k9 h. p7 S
2 L" \% d4 B% D   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：

  （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 ；
# B% H! J0 J' w; j
. p- L5 V* Z; n  z1 N  （2）权重系数的对评价结果的影响明显；
/ b$ d& L; u9 W& B) V! T
0 E) U+ ]( B+ I! {  （3）对指标数据无量纲化没有特定要求。
  I# Q5 J4 P3 \$ B8 \0 b
+ x! ^4 K0 P8 c: C( C8 P2 H
2.  非线性加权综合法
" S- \# Z1 C: P3 j
1 H3 `0 \. T+ p* P

0 x" ?% f' @; D7 r5 K+ `# @主要特点：
7 _$ ^) Q/ x0 B, a3 B' B( J7 F
' V5 d1 `$ h+ c/ K（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；

1 }/ E( Q$ r& u" V0 \: K5 \& }1 M（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；
! h+ V0 X8 X2 u  h5 N
（3）要求无量纲指标数据均大于等于1。

7 j7 z9 `1 z4 e# J- v
1 E5 N7 M! @+ N: ^•逼近于理想解的排序法（TOPSIS法）


" C4 K7 k  J# V
1 ?5 f; N2 b5 o9 M6 `3 q# e4 ]

' j# P* O: M/ I•层次分析法

2 B6 a/ Q9 i8 b2 H7 S
: F3 c4 E/ `' Q& K1 p# |) m•主成分分析法
) B6 @5 u  K, j7 m5 U0 U

& S) @* ?$ ^; A; k•模糊综合评价法
& `7 m3 z+ ?- G' B+ h% ~

•聚类分析法
5 n/ W" d9 ~3 d, C7 J7 ^

预测方法（具体见http://blog.csdn.net/sanganqi_wusuierzi/article/details/54800341）

. M) N  |" G7 s1.插值与拟合方法：小样本内部预测；
2 J; K9 q9 G# ?7 D2 z
  C8 B" i# E  [2 u3 V7 Q2.回归模型方法：大样本的内部预测；
' K4 \% S9 f# x0 I; K# d

( E& v2 }/ w: C- c3.灰色预测GM(1,1)：小样本的未来预测；

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；

# q9 j$ f! u! ~8 O7 H& k3 m
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．

6 P! j: v! p4 C' Z, j
4 z+ z6 A. z. Q' m3 M% Q: I# n& ?/ ?原文链接：https://blog.csdn.net/sanganqi_wusuierzi/article/details/54800283


, ^8 P1 k& H+ l$ M# W. [  t

SHINee0525

挺好的 很有意思