综合评价与预测模型-拉萨讲座三.pptVIP

综合评价模型与建模方法 评价系统由两部分组成，即评价主体和评价客体。评价主体指参与评价的人的群体，评价客体指评价的直接对象。 评价包含下面两个要素: 指标体系（属性集）：指标是指描述评价对象功能的量。随着人们对世界认识的不断深化，描述评价对象功能的指标往往不止一个，而是若干个，它们一起构成一个多指标系统。 评价方法：对多指标系统中的不同对象，无法直接比较其优劣，必须借助某种评价方法，将多指标系统转化成单指标系统，再进行对比。 ，评价是对研究对象功能的一种量化描述，它既可以利用时序统计数据去描述同一对象功能的历史演变，也可以利用统计数据去描述不同对象功能的差异。各种评价结果还可以用来研究对象的结构，并为优化结构指明方向。 评价的结果：排序、分类、判别、选择 原则：公正、客观 常见的数学模型综合评价方法: 1、简单评价方法（传统评价方法） 综合指数法： 线性加权 非线性加权 功效评分法 TOPSIS法 最优权法。 二、现代评价方法 层次分析法 主成分分析法 数据包络分析法 模糊综合评价法（模糊层次综合评价） 模糊模式识别与评价 聚类分析法：系统聚类、有序聚类、动态聚类等 集对分析法 灰色理论 评价方案优化系统：差异性与兼容度 层次分析法 层次分析法的基本特征，其一是要有一个属性集的层次结构模型，它是层次分析法赖以建立的基础；其二是针对上一层某个准则，把下一层与之相关的各个不可公度的因素，通过对比，按重要性等级赋值，从而完成从定性分析到定量分析的过渡。 主成分分析 主成分分析是多元统计分析的一个分支。主成分分析法是将其分量相关的原随机向量，借助于一个正交变换，转化成其分量不相关的新随机向量，并以方差作为信息量的测度，对新随机向量进行降维处理，再通过构造适当的价值函数，进一步把低维系统转化成一维系统。 数据包络分析法 DEA模型是数据包络法（Decision Envelopment Analysis）的简称，其以相对效率概念为基础，通过确定相关输入指标和输出指标，对相关决策单元（DMU）进行相对有效性评价。在DEA方法相关变量权重确定过程中，其采用最优化的方法来确定权重，从而客观的确定输入和输出的关系，因此在复杂系统中对相关复杂要素的分析具有优势。 DEA法不仅可对同一类型各决策单元的相对有效性作出评价与排序，而且还可进一步分析各决策单元非DEA有效的原因及其改进方向，从而为决策者提供重要的管理决策, 模糊评价法 模糊评价法不仅可对评价对象按综合分值的大小进行评价和排序，而且还可根据模糊评价集上的值按最大隶属度原则去评定对象所属的等级 集对分析法 处理具有不确定性与确定性作为一个系统的情况 灰色理论 一种多因素统计分析方法 用于评价主要有灰关联度分析、灰色聚类方法等 数据包络方法 对多指标投入和多指标产出的相同类型部门，相对有效性综合评价方法。 熵权法 确定权重系数的一种有效方法 评价模型的基本步骤 基本步骤： 建立评价指标 获取指标观测值 数据预处理 确定权重系数 建立综合评价指标体系（数学模型） 权重向量的赋值有两类： 一类是客观赋权法，其源信息来自统计数据本身，属于这一类的有综合指数法、功效评分法、最优权法和主成分分析法 一类是主观赋权法，其源信息来自专家咨询，即利用专家群的知识和经验，属于这一类的有层次分析法，模糊综合评价法 案例 长江水质的评价与预测 案例 纯净水安全监控问题 谢谢！ * * 西南交通大学数学学院 袁俭 2011年7月 西藏大学讲座三