数学建模社区-数学中国
标题:
数学建模常见的综合评价方法及预测方法
[打印本页]
作者:
杨利霞
时间:
2020-4-2 16:21
标题:
数学建模常见的综合评价方法及预测方法
5 {; R% ^& j+ o) q! S
数学建模常见的综合评价方法及预测方法
& G. _# d) U" G0 T+ ]& i' b
综合评价方法
- C; h2 w( B' }( z
7 x) i5 T" P) F* Y/ y* h: g; F+ c7 F5 D
•简单加权法
, n! @2 S4 t2 T$ S1 m' ?" [
7 Z3 l' ` s2 k6 `/ @
1. 线性加权综合法
" ~1 P! l! B! Y- o
2020-4-2 16:18 上传
下载附件
(75.03 KB)
+ s, A; B( D6 b
适用条件:各评价指标之间相互独立。
2 M" F4 G6 y" o+ u8 @
# A$ u0 H- P% z. {/ {. _. J6 D1 H" F, ^
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。
7 E; r: E! E0 `6 H! B$ q4 S ? k
" [& | H- `- `/ p" A5 l
主要特点:
* H; e+ f& i" H% W% h6 T
5 m8 G& K0 ^- h+ k! Y8 S8 G1 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 y0 x( p/ Y4 x+ `6 w- W8 {
+ K: v* G- O8 k( {" N. _; U c6 f/ m
(2)权重系数的对评价结果的影响明显;
% j7 [6 G) a1 C0 E2 {( L
" i% X1 B8 r0 f1 Q
(3)对指标数据无量纲化没有特定要求。
( x: d% p$ L2 [ E$ n
; W( m" u; ~1 h
3 t1 V$ k B3 O' {
2. 非线性加权综合法
, N) f7 C0 r0 ^( X1 s+ J5 o0 _. Y0 B
2020-4-2 16:19 上传
下载附件
(100.29 KB)
$ {: w8 z; H; F9 K
! a, {: q7 D3 T/ o/ A, d' A
g% x$ _! r+ t5 l; B! P
主要特点:
$ v) ?: W" T/ J" K5 v9 N$ s
. _$ d; f# R/ A s( i$ H
(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 _$ j5 z0 `' J3 _9 t
# ?! I3 `3 |% _
(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;
1 J( x2 {+ t& C4 r% Z* F
2 [: ]( i5 j9 @* o
(3)要求无量纲指标数据均大于等于1。
( E$ u! d; W. ~% y3 m( U
2 ~9 g! _" S/ K+ E3 X8 a1 a
9 y: j: u' h) H9 l
•逼近于理想解的排序法(TOPSIS法)
: G e0 r4 e5 [4 D, g
2020-4-2 16:19 上传
下载附件
(222.86 KB)
6 w0 |4 @& r) [
: \" D6 O: [1 s, {1 F9 A C
2020-4-2 16:20 上传
下载附件
(233.52 KB)
z( x) x5 V9 c9 ]
- \, y: ?6 C/ K# J$ b, Z G2 k( [
P/ g$ U3 c7 \
•层次分析法
5 |5 T5 y5 V4 z4 o9 d) }, X# I
+ q" B+ M) s+ m
( ?4 ~/ B- p, {6 O" u& u7 Z2 K- r
•主成分分析法
: _( K, x0 D: J( \/ n. M7 i
- m! ^0 H* [. w: y0 `: W L
8 C* W# M) S; A; _( B
•模糊综合评价法
( d0 F# V- @/ q9 h Z& q0 h
$ [, k' @1 L2 u8 a. g: h) V* z$ `9 h6 }
9 W( s2 C2 d/ B& N
•聚类分析法
s* T' l8 O8 a; u% x
$ O* n0 L8 \% ]
; U/ a8 b) i9 Z- H F
预测方法(具体见http://blog.csdn.net/sanganqi_wusuierzi/article/details/54800341)
0 N1 H8 B5 T6 }6 \2 t2 u+ n# p
$ w, s F' |$ R" w0 U) l5 m2 X; ^
1.插值与拟合方法:小样本内部预测;
& A% Y* [* t( g: b% |$ D
7 }: D6 p3 o- A" A
2.回归模型方法:大样本的内部预测;
* f9 U* y* l# G/ W7 }* R
( p) g! b1 h5 s/ _
# Q0 ^! A: V+ n$ G
3.灰色预测GM(1,1):小样本的未来预测;
% v/ _# ]* L2 p+ L: _: C
- S; L. V2 B7 A4 ~, @
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;
! A9 _5 k0 c- V; Q2 ^8 \
# V! G2 e5 y! ?6 e; \$ n* J3 g
0 j$ H3 ~6 x E' 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.
, u" p1 n, w7 q n' j
( a2 |1 h9 j! e1 G1 ^! x
+ N0 }+ ~' `) n% s- f
原文链接:https://blog.csdn.net/sanganqi_wusuierzi/article/details/54800283
" s1 K; p9 K! A& A8 [: c
( p5 |0 X3 Q. s7 F- {: l( u* o
% K5 E' w u8 B$ q
作者:
SHINee0525
时间:
2020-8-22 09:52
挺好的 很有意思
X; J$ L7 t! a
欢迎光临 数学建模社区-数学中国 (http://www.madio.net/)
Powered by Discuz! X2.5