数学建模信息.docVIP

1、数学建模问题 实际中大量信息或海量信息对应着大量的数据或海量数据，从这些数据中寻求所需要的问题答案--数据建模问题。 通过实际对象过去或当前的相关信息，研究两个方面问题： （1）分析研究实际对象所处的状态和特征，依此做出评价和决策； （2）分析预测实际对象未来的变化状况和趋势，为科学决策提供依据。 2、数据建模的一般问题 数据建模的综合评价、综合排序、预测与决策等问题。 综合评价是科学、合理决策的前提。 综合评价的基础是信息的综合利用。 综合评价的过程是数据建模的过程。 数据建模的基础是数据的标准化处理。 A、综合评价：依据相关信息对实际对象所进行的客观、公正、合理的全面评价。 综合评价问题的五个要素 ： （1）被评价对象:被评价者，统称为评价系统。 （2）评价指标：反映被评价对象的基本要素，一起构成评价指标体系。原则:系统性、科学性、可比性、可测性和独立性。 　 （3）权重系数：反映各指标之间影响程度大小的度量。 （4）综合评价模型：将评价指标与权重系数综合成一个整体指标的模型。 （5）评价者：直接参与评价的人。 3、 数据处理的一般方法 A . 数据类型的一致化处理方法 极大型:期望取值越大越好； 极小型:期望取值越小越好； 中间型:期望取值为适当的中间值最好; 区间型:期望取值落在某一个确定的区间内为最好。 B. 数据指标的无量纲化处理方法 (1)标准差法： (2)极值差法： (3)功效系数法： C. 模糊指标的量化处理方法 在实际中，很多问题都涉及到定性，或模糊指标的定量处理问题。 诸如:教学质量、科研水平、工作政绩、人员素质、各种满意度、信誉、态度、意识、观念、能力等因素有关的政治、社会、人文等领域的问题。 按国家的评价标准,评价因素一般分为五个等级，如A，B，C，D，E。 根据实际问题，构造模糊隶属函数的量化方法是一种可行有效的方法。　 假设有多个评价人对某项因素评价为A，B，C，D,E共5个等级: {v1 ,v2 ,v3 ,v4,v5}。 譬如：评价人对某事件“满意度”的评价可分为{很满意，满意，较满意，不太满意，很不满意将其5个等级依次对应为5，4，3，2，1。 这里为连续量化，取偏大型柯西分布和对数函数作为隶属函数： 4、数据建模的综合评价方法 A. 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。 主要特点： （1）各评价指标间作用得到线性补偿； （2）权重系数的对评价结果的影响明显。 B.非线性加权综合法 主要特点： （1）突出了各指标值的一致性，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。 C. 逼近理想点（TOPSIS）方法 5、数据建模的动态加权综合方法 A. 动态加权问题的一般提法 问题:如何对n个系统做出综合评价呢? 注意: 问题对于每一个属性而言，既有不同类别的差异，同类别的又有不同量值的差异。 对于既有“质差”，又有“量差”的问题，合理有效的方法是动态加权综合评价方法。 B. 动态加权函数的设定 C. 动态加权的综合评价模型 6、数据建模的综合排序方法 A. 综合排序问题的一般提法 问题:如何给出n个系统的最终排序结果呢? B. 综合排序问题的方法 7、数据建模的常用预测方法 A.插值与拟合方法：小样本内部预测； B.回归模型方法：大样本的内部预测 C.灰预测GM(1,1)：小样本的未来预测 D.时间序列方法：大样本的随机因素或周期特征的未来预测； E.神经网络方法：大样的未来预测 确定指标 初始值 计算综合 评价指标 确 系 定 数 权 选 价 择 模